Python怎么實現數據挖掘

本篇內容主要講解“Python怎么實現數據挖掘”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學習“Python怎么實現數據挖掘”吧!

這個Selenium模塊主要是應對我們自動瀏覽網頁數據所需要用的，讓程序來執行半智能，前提你要教會它去做什么事情！

直接介紹此次所需要用到的家族模塊：

1 from selenium import webdriver2 import time3 from selenium.webdriver.common.keys import Keys4 from selenium.webdriver.common.action_chains import ActionChains5 from selenium.webdriver.common.by import By

一、每一個解釋一下哈，按順序對號：

1、主模塊的嵌入，主要是應對控制程序自動打開瀏覽器瀏覽網頁功能。

2、作為開發人員，尤其是對網頁自動化測試的開發工具必須需要time模塊來制約程序的訪問時間，因為可能網站會直接把你IP封掉。

3、selenium 模塊家族成員Keys，此成員是應當以模擬鍵盤操作，應對模擬輸入用戶登錄名和密碼，或者價值數據索引輸入。

4、selenium 模塊家族成員ActionChains，它則是應對模擬鼠標操作，對與鼠標的雙擊，單擊，左右鍵，應對我們翻頁，搜索按鈕的點擊功能。

5、selenium 模塊家族成員By,這個則是我們要教會它所要做的事情，也是我們數據挖掘又要用到的核心價值功能之一，應對價值數據抓取。

二、開發初步：

1、操作程序打開瀏覽器并打開我們需要進入的網頁：

1 url = 'https://www.xxx.com'2 driver=webdriver.Chrome()3 driver.get(url)4 time.sleep(5)5 driver.quit()

這里可以自己測試一下，我所使用的是Google的瀏覽器，你們可以嘗試使用Firefox,他們有一些的區別，主要是站點的區別！

2、進入頁面后鎖定tag

html:

1 <div id="aaa" class="bbb" name="ccc">2 <p></p>3 <p><a></p>4 </div>

python:

1 element = driver.find_element_by_id("aaa") 2 frame = driver.find_element_by_tag_name("div") 3 cheese = driver.find_element_by_name("ccc") 4 cheeses = driver.find_elements_by_class_name("bbb") 5 6 or 7 8 from selenium.webdriver.common.by import By 9 element = driver.find_element(by=By.ID, value="aaa")10 frame = driver.find_element(By.TAG_NAME, "div")11 cheese = driver.find_element(By.NAME, "ccc")12 cheeses = driver.find_elements(By.CLASS_NAME, "bbb")

這里每一個都是鎖定tag樹，它們都是根據id，class，name，tagname來定義的。

1 xpath_class = driver.find_element_by_xpath('//div[@class="bbb"]/p')2 xpath_id = driver.find_element_by_xpath('//div[@id="aaa"]/p')

這是通用方法的，Xpath方法，它們都輸屬于解析網頁的內容鎖定tag。

3、處理操作：

當我們鎖定功能鍵的tag屬性的時候，我們就可以進一步操作，比如換頁，搜索功能的實現

這里我們就介紹一下模擬鼠標的操作：

1 elem = driver.find_element_by_xpath('//a[@id="tagname"]')2 ActionChains(driver).double_click(elem).perform()3 time.sleep(3)

因為時間問題，我只是介紹一下鼠標左鍵單擊換頁操作，其他的何以參考一下官方文檔：Selenium Webdrive

ActionChains：鎖定瀏覽器，double_click鎖定tag標簽樹，.perform()：點擊標簽樹

4、獲取價值數據

這里的操作類似與Xpath的語法：

driver.find_elements_by_tag_name('td')[3].text
driver.find_elements_by_tag_name('a').get_attribute('href')

這里注意一下elements，指所有的tag-> a比標簽的href，這里是list格式，需要遍歷。

5、最后來一串完整代碼：

 1 from selenium import webdriver 2 import time 3 import lxml.html as HTML 4 from bs4 import BeautifulSoup 5 from selenium.webdriver.common.keys import Keys 6 from selenium.webdriver.common.action_chains import ActionChains 7 from pymongo import MongoClient,ASCENDING, DESCENDING 8 from selenium.webdriver.common.by import By 9 def parser():10 url = 'https://www.xxx.com'11 driver=webdriver.Chrome()12 driver.get(url)13 time.sleep(5)14 for i in range(1,675):15 a = driver.find_element_by_xpath('//div[@class="aaa"]')16 tr = a.find_elements_by_tag_name('tr')17 for j in xrange(1,len(tr)):18 quantity = tr[j].find_elements_by_tag_name('td')[3].text19 producturl = tr[j].find_elements_by_tag_name('td')[0].find_elements_by_tag_name("div")[1].find_element_by_tag_name('ul').find_element_by_tag_name('li').find_element_by_tag_name('a').get_attribute('href')20 producturl_db(producturl,quantity)21 elem = driver.find_element_by_xpath('//a[@id="eleNextPage"]')22 ActionChains(driver).double_click(elem).perform()23 time.sleep(3)24 25 driver.quit()

selenium有個小GUB，就是在用Xpath的時候，你已經找到父級tag，但是這個父級很多，比如tr，你如果遍歷它，尋找td的話，那么你還是使用find_elements_by_tag_name，因為那個會初始化，不會管你找到那個父級。

到此，相信大家對“Python怎么實現數據挖掘”有了更深的了解，不妨來實際操作一番吧！這里是億速云網站，更多相關內容可以進入相關頻道進行查詢，關注我們，繼續學習！