BeautifulSoup基礎實戰

安裝：pip install beautifulsoup4

常用指令：

          
            from bs4 import BeautifulSoup as bs
import urllib.request
data=urllib.request.urlopen("https://www.cnblogs.com/mcq1999/").read().decode("utf-8","ignore")
bs1=bs(data)
print(bs1.prettify()) #格式化輸出
print(bs1.title) #獲取標簽title,bs對象.標簽名
print(bs1.title.string) #獲取標簽title的文字
print(bs1.title.name) #獲取標簽名，如title
print(bs1.a.attrs) #獲取屬性列表 鍵值對
print(bs1.a['name']) #獲取某個屬性對應的值
print(bs1.find_all('a')) #提取所有某個節點的內容，傳參是標簽名
print('---------------------------------')
print(bs1.find_all(['a','ul']))
k1=bs1.ul.contents #提取當前節點的所有子節點，返回一個列表
k2=bs1.ul.children #返回一個生成器
allulc=[i for i in k2]
          
        

PhantomJS基礎實戰

效率不高，但可以解決很多反爬問題，本質是一個無界面的瀏覽器，通過命令行（或python）操縱。通常難點部分通過PhantomJS寫，然后將數據交給urllib或scrapy進行后續處理。

目前已PhantomJS和selenium分手，以后再學。

分布式爬蟲之docker基礎

鏡像：不可以改變內容

容器：可以改變內容，相當于虛擬機，默認情況下彼此封閉

優點：輕部署、省成本、部署遷移方便

安裝：yum -y install docker

啟動和關閉：

systemctl start docker

systemctl stop docker

啟動時如果出現

可以參考下面這篇博客，我的就這樣成功了，其他的方法都沒用

https://blog.csdn.net/w1316022737/article/details/83692701

最好再修改一下docker的鏡像源，不然運行的很慢：

https://blog.csdn.net/julien71/article/details/79760919

查看已有鏡像：docker images

下載鏡像：docker pull

創建容器：docker run -tid

查看容器：docker ps -a

進入容器：docker attach

退出容器：一般不用exit，因為會停止容器。我們用ctrl+p+q即可。

在容器里的操作不會影響本機，相當于在虛擬機里再開了個虛擬機

啟動容器：docker start …

封裝容器成鏡像：docker commit 2d6 mytest:v1

基于鏡像給容器起名字： docker run -tid --name testabc a2a （基于a2a這個鏡像創建一個名為testabs的容器）

docker run -tid --name h1 mytest:v1

docker run -tid --name h2 --link h1 mytest:v1 （將容器h2鏈接到h1，即讓h2和h1通信）

這里我用ubuntu的鏡像發現ping、yum等等命令都沒有，所以改用了centos的鏡像。

[root@hadoop106 mcq]# docker attach fe3
[root@fe3489945006 /]# cat /etc/hosts
127.0.0.1 localhost
::1 localhost ip6-localhost ip6-loopback
fe00::0 ip6-localnet
ff00::0 ip6-mcastprefix
ff02::1 ip6-allnodes
ff02::2 ip6-allrouters
172.17.0.6 c1 4c3dab0e013c
172.17.0.7 fe3489945006
[root@fe3489945006 /]# ping 172.17.0.6

將docker鏡像封裝為文件：docker save -o /mytest.tar c3e8