快速掌握Python数据采集与网络爬虫技术（附代码及操作视频案例）

在课程开始之前，我要先说一段免责声明：这次课程对于数据抓取的相关知识，只做学术探讨，不要利用抓取到的数据做有损访问网站商业利益的事情，比如你也建立一个同样业务的网站；也不要对访问网站的服务器造成压力，影响正常用户的访问。以上也是大家以后在进行数据采集的时候需要注意的。那我们继续讲技术，数据采集对于我们日常的工作有什么帮助呢？我举个例子。

比如当我们来到CDA官网的直播公开课页面，我们可以看到这里有很多的课程，每个课程的组成部分是一致的，包含了它的主题海报、标题内容、授课老师的介绍和头像，同时我还可以翻页到下一页，看到更多的往期公开课，这种构造相信你在很多网站都看到过，你就要联想到，今天学到的内容，也差不多能应用到类似的网站去。

接下来，如果想要把这些内容全部整理到一张Excel表里面，你该怎么办？第一反应是不是：那就去挨个复制标题，复制老师的名字，复制介绍内容，一个个粘贴到Excel表里？没错，这是我们要做的，但真要拿着鼠标去挨个点，敲着键盘 `Ctrl+C`、 `Ctrl+V`，未免也太累了，这就是日常工作中比较典型的场景：任务操作一点不难，但需要不断重复操作，费时费力。

如果掌握了 Python 数据采集，我会怎么来解决这个重复操作的任务呢？我先给你演示一下效果。代码不难，就这么一段，你现在看肯定一头雾水，不要着急，我一段段带你来阅读理解。

• 第一部分：调用包
• 第二部分：启动浏览器打开指定网页
• 第三部分：生成一个空的数据表
• 第四部分：循环翻页获取数据
• 第五部分：结果输出成 Excel 表

点击`Shift+回车`，我们运行一下代码看看：

1. 浏览器自动打开指定的页面，也就是直播公开课的第一页。

2. Anaconda 中，星号表示该代码区域正在运行，而在代码区域下方会输出打印的结果。

3. 紧接着循环获取数据，代码获取到了第一页的内容，并整理成表格打印出来。

4. 然后，浏览器自动翻页到第二页，又一次获取第二页的内容，并整理成表格打印出来。

5. 继续，第三页，同样的输出。

6. 最后，输出了一个 Excel 文件，我们打开看一下，全部页数我需要的数据都整理好了。

我们想要的效果实现了，有几个好处：

1. 我只点了一下鼠标移动到代码区域；敲了一下键盘 `Shift+回车`启动程序，接下来我就不用再点鼠标或者敲键盘了，全部交给 Python 程序

2. 我现在是获取3页，我要获取10页，100页，1000页，我只要改一下循环这里的数字，让它循环10次、100次甚至是1000次，再也不用多花更多时间和体力，始终就是一点一运行，剩下的体力活全部交给 Python 。

一旦掌握了数据采集技术，类似的重复性工作你都可以自动化完成。

下面是分享给大家的代码，可以自行操作试试哦。

# 调用包
from selenium import webdriver
from lxml import etree
import pandas as pd

# 启动浏览器打开指定网页
browser = webdriver.Chrome('/Users/davidfnck/Downloads/chromedriver')
url = 'https://www.cda.cn/open.html'
browser.get(url)

# 先创建一个汇总的数据空表
df_all = pd.DataFrame()

# 循环获取每一页
for i in range(3):
 page_no = i+1
 # 获取页面源码解析
 html = etree.HTML(browser.page_source) 

 # 获取数据
 ## 标题
 title_list = html.xpath('/html/body/div[3]/div[2]/ul/li/a/div/h2/text()')
 ## 讲师
 teacher_list = html.xpath('/html/body/div[3]/div[2]/ul/li/a/div/div/h4/text()')
 ## 介绍
 intro_list = html.xpath('/html/body/div[3]/div[2]/ul/li/a/div/div/p/text()')
 ## 图片
 pic_list = html.xpath('/html/body/div[3]/div[2]/ul/li/a/img/@src')
 ## 链接
 link_list = html.xpath('/html/body/div[3]/div[2]/ul/li/a/@href')

 # 组合成字典，生成数据表
 all_dict = {'标题':title_list,
        '讲师':teacher_list,
        '介绍':intro_list,
        '海报':pic_list,
        '链接':link_list
 }

 df = pd.DataFrame(all_dict)

 # 输出结果
 print(f'第{page_no}页的输出结果：')
 print(df.head(3))

 # 新表拼接到旧表的结尾
 df_all = df_all.append(df)

 # 点击翻页
 browser.find_element_by_xpath('/html/body/div[3]/div[2]/div/a[4]').click()

# 数据表写入输出 Excel
df_all.to_excel('./CDA_Live_公开课_多页.xlsx')
print('最终结果的Excel已经生成')

当下企业数字化转型正快速发展，在越来越严苛的外部监管及越来越激烈的市场竞争驱动下，各行各业都在急迫地对数据进行最大化的价值挖掘。然而，大多数企业在推动落地时，都会遇到诸多问题。快速了解“数据从治理到分析”的落地流程与产出效果，以最低成本实现团队协同，快速解决深奥数据问题，成为越来越多企业加大数字化转型投入的核心动力。