爬取好大夫网站医生数据

2024-03-09 16:08

本文主要是介绍爬取好大夫网站医生数据,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

一、主要过程:
1.爬取医生主页url
2.爬取医生个人信息

二、具体过程
1.爬取医生主页url
观察url链接结构,可以发现同一种病的网址,在不同页面切换时,只有.htm前的数字回变,且页码与链接对应。而对于不同种类的病,如类风湿,改变的也仅是网址种jibing/后的部分。因此,在爬取医生个人主页url时,可以通过设置两个循环来设置读取不同病不同页码。
在这里插入图片描述

from requests_html import HTMLSession
from lxml import etree
import pandas as pd
from requests_html import HTMLSession
import time
session = HTMLSession()
sel=' div.oh.zoom.lh180 > p:nth-child(1) > a.blue_a3'
#常见五种疾病:糖尿病、腰椎盘突出、类风湿关节炎、高血压、颈椎病
bings=['tangniaobing','yaozhuijianpantuchu','leifengshixingguanjieyan','gaoxueya','jingzhuibing']
def get_text_link_from_sel(sel):mylist = []try:for bing in bings:for i in range(2):time.sleep(1)url = 'https://www.haodf.com/jibing/'+ str(bing)+'/daifu_all_all_all_all_all_all_'+str(i)+'.htm'r = session.get(url)results = r.html.find(sel)for result in results:mytext = result.textmylink = list(result.absolute_links)[0]mylist.append((mytext, mylink))return mylistexcept:return None
df = pd.DataFrame(get_text_link_from_sel(sel))
df.to_csv('doctorurl.csv', encoding='gbk', index=False)

2.爬取医生个人信息
与爬取url过程类似,这里根据需要分析的问题共爬取了10个指标,包括姓名、职位、单位、所属科室、综合推荐热度、擅长、简介(包括社会任职、获奖荣誉、科研成果)。
如下图所示,可以自由选择想爬取的内容,复制路径,在下面代码替换一下就ok啦!
在这里插入图片描述

from requests_html import HTMLSession
from lxml import etree
import time
import csv
from retrying import retry
df = pd.read_csv('doctorurl_7.csv',header=None)
data = []    #空列表存储团队名称
for j in range(1,500):    try:url = df.iloc[[j]].values[0][1]session = HTMLSession()r = session.get(url)retry(stop_max_attempt_number=10, wait_fixed=2000)#姓名sel0='div.banner-wrap > div > div.profile-container.clearfix > div.profile-txt > h1'name = r.html.find(sel0)[0].text#职位sel0_1='div.banner-wrap > div > div.profile-container.clearfix > div.profile-txt > span.doctor-title'career = r.html.find(sel0_1)[0].textsel0_3='div.banner-wrap > div > div.profile-container.clearfix > div.profile-txt > ul > li > a:nth-child(1)'position = r.html.find(sel0_3)try:position=position[0].textexcept:position=Nonesel0_4='div.banner-wrap > div > div.profile-container.clearfix > div.profile-txt > ul > li > a:nth-child(2)'department = r.html.find(sel0_4)try:department=department[0].textexcept:department=None#综合推荐热度sel0_5='div.banner-wrap > div > div.profile-container.clearfix > ul > li:nth-child(1) > span.value'score = r.html.find(sel0_5)try:score=score[0].textexcept:score=Nonesel1='div.wrap-container.clearfix > main > section.container.brief-outer > div > div:nth-child(1) > div > p'shanchang = r.html.find(sel1)[0].textsel1_1='div.wrap-container.clearfix > main > section.container.brief-outer > div > div:nth-child(2) > div > div > p'total_intro = r.html.find(sel1_1)try:total_intro=total_intro[0].textexcept:total_intro=Nonesel2='div.wrap-container.clearfix > main > section.container.brief-outer > div > div:nth-child(2) > div > div > div:nth-child(2)>p'social_job = r.html.find(sel2)try:social_job=social_job[0].textexcept:social_job=Nonesel3='div.wrap-container.clearfix > main > section.container.brief-outer > div > div:nth-child(2) > div > div > div:nth-child(3)>p'honor = r.html.find(sel3)try:   honor = honor[0].textexcept:honor = Nonesel4='div.wrap-container.clearfix > main > section.container.brief-outer > div > div:nth-child(2) > div > div > div:nth-child(4)>p'sci_achi = r.html.find(sel4)try:sci_achi=sci_achi[0].textexcept:sci_achi=Nonedata.append([name,career,position,department,score,total_intro,shanchang,social_job,honor,sci_achi])print("第" + str(j) + "次成功")if j%10 == 0:time.sleep(10)except IndexError:#passprint("第" + str(j) + "次失败:")

这篇关于爬取好大夫网站医生数据的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/791193

相关文章

canal实现mysql数据同步的详细过程

《canal实现mysql数据同步的详细过程》:本文主要介绍canal实现mysql数据同步的详细过程,本文通过实例图文相结合给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的... 目录1、canal下载2、mysql同步用户创建和授权3、canal admin安装和启动4、canal

使用SpringBoot整合Sharding Sphere实现数据脱敏的示例

《使用SpringBoot整合ShardingSphere实现数据脱敏的示例》ApacheShardingSphere数据脱敏模块,通过SQL拦截与改写实现敏感信息加密存储,解决手动处理繁琐及系统改... 目录痛点一:痛点二:脱敏配置Quick Start——Spring 显示配置:1.引入依赖2.创建脱敏

详解如何使用Python构建从数据到文档的自动化工作流

《详解如何使用Python构建从数据到文档的自动化工作流》这篇文章将通过真实工作场景拆解,为大家展示如何用Python构建自动化工作流,让工具代替人力完成这些数字苦力活,感兴趣的小伙伴可以跟随小编一起... 目录一、Excel处理:从数据搬运工到智能分析师二、PDF处理:文档工厂的智能生产线三、邮件自动化:

Python数据分析与可视化的全面指南(从数据清洗到图表呈现)

《Python数据分析与可视化的全面指南(从数据清洗到图表呈现)》Python是数据分析与可视化领域中最受欢迎的编程语言之一,凭借其丰富的库和工具,Python能够帮助我们快速处理、分析数据并生成高质... 目录一、数据采集与初步探索二、数据清洗的七种武器1. 缺失值处理策略2. 异常值检测与修正3. 数据

pandas实现数据concat拼接的示例代码

《pandas实现数据concat拼接的示例代码》pandas.concat用于合并DataFrame或Series,本文主要介绍了pandas实现数据concat拼接的示例代码,具有一定的参考价值,... 目录语法示例:使用pandas.concat合并数据默认的concat:参数axis=0,join=

C#代码实现解析WTGPS和BD数据

《C#代码实现解析WTGPS和BD数据》在现代的导航与定位应用中,准确解析GPS和北斗(BD)等卫星定位数据至关重要,本文将使用C#语言实现解析WTGPS和BD数据,需要的可以了解下... 目录一、代码结构概览1. 核心解析方法2. 位置信息解析3. 经纬度转换方法4. 日期和时间戳解析5. 辅助方法二、L

使用Python和Matplotlib实现可视化字体轮廓(从路径数据到矢量图形)

《使用Python和Matplotlib实现可视化字体轮廓(从路径数据到矢量图形)》字体设计和矢量图形处理是编程中一个有趣且实用的领域,通过Python的matplotlib库,我们可以轻松将字体轮廓... 目录背景知识字体轮廓的表示实现步骤1. 安装依赖库2. 准备数据3. 解析路径指令4. 绘制图形关键

解决mysql插入数据锁等待超时报错:Lock wait timeout exceeded;try restarting transaction

《解决mysql插入数据锁等待超时报错:Lockwaittimeoutexceeded;tryrestartingtransaction》:本文主要介绍解决mysql插入数据锁等待超时报... 目录报错信息解决办法1、数据库中执行如下sql2、再到 INNODB_TRX 事务表中查看总结报错信息Lock

使用C#删除Excel表格中的重复行数据的代码详解

《使用C#删除Excel表格中的重复行数据的代码详解》重复行是指在Excel表格中完全相同的多行数据,删除这些重复行至关重要,因为它们不仅会干扰数据分析,还可能导致错误的决策和结论,所以本文给大家介绍... 目录简介使用工具C# 删除Excel工作表中的重复行语法工作原理实现代码C# 删除指定Excel单元

Linux lvm实例之如何创建一个专用于MySQL数据存储的LVM卷组

《Linuxlvm实例之如何创建一个专用于MySQL数据存储的LVM卷组》:本文主要介绍使用Linux创建一个专用于MySQL数据存储的LVM卷组的实例,具有很好的参考价值,希望对大家有所帮助,... 目录在Centos 7上创建卷China编程组并配置mysql数据目录1. 检查现有磁盘2. 创建物理卷3. 创