首頁  >  問答  >  主體

请问我的python小爬虫代码应该怎么做优化?

新入门做的一个爬取文段程序,代码看起来比较臃肿,请问有没有什么好的建议呢?

另外我准备在for循环末尾把数据插入mysql数据库,这样做好吗,还是说再弄一个for循环,第一个for循环把数据存进二维列表里,第二个循环再逐条插入数据呢?

#-*- coding:utf-8 -*-
import re
from pyquery import PyQuery as pq
import time
#过滤html标签
def stripTag(x):
    return re.sub('<(.*?)>','',str(x))
#转换时间戳
def timeStamp(x):
    return time.mktime(time.strptime(x,'%Y-%m-%d %H:%M'))
#获取网页局部源码
d = pq(url='http://www.juexiang.com/list/1017')
d = pq(d('.left').html())
x = d('div.arttitle')
#匹配时间格式
pattern = re.compile(r"[0-9]{4}(.*)[0-9]{2}")
#for循环获取标题、作者、时间
for i in x:
    a = pq(pq(i).html())
    title = stripTag(pq(a('a').eq(0).text()))
    author = stripTag(pq(a('a').eq(1).text()))
    time1 = str(pq(a('span').eq(2).text()))
    time1 = timeStamp((pattern.search(time1)).group())
    print(title,'\t',author,'\t',time1,'\n')


巴扎黑巴扎黑2890 天前865

全部回覆(1)我來回復

  • 面对疾风吧

    面对疾风吧2016-11-08 15:43:12

    如果还在for循环里添加数据库操作,那代码看起来就很丑了,其实每一部分都可以分成函数或建类来处理,
    比如
    1.获取网页内容和过滤html标签可以建一个函数

    def get_page(url):
        pass

    2.获取时间戳和转换时间戳可以合并在一个函数中

    def handld_time():
        pass

       

    3.获取标题、作者、时间可用一个函数处理

    def get_article_content():
        pass

    这样函数可以复用,并且调用起来十分方便灵活,因为这只是一个小程序,用几个函数重构就可以达到效果了


    回覆
    0
  • 取消回覆