个人介绍
工作经历
和TA聊聊APP扫码和程序员直接沟通
该用户选择隐藏工作经历信息,如需查看详细信息,可点击右上角“和TA聊一聊”查看
教育经历
2017-09-12 - 2020-06-24上海开放大学计算机应用技术专科
技能
项目描述:Xml,redis,requests爬取代理ip,自己建造免费ip代理池(个人项目) 项目功能:添加代理ip,定时判断已添加的代理是否能够使用,在其他项目中能够调用此api获取代理ip。 项目职责: 1.使用requests爬取各个代理网站的免费ip。然后对于爬取数据的有效性,进行简单的测试。然后放入redis中而对于爬取的数据。由于不能出现重复的代理ip,其次,爬取的数据量较小,我使用redis数据库进行保存。对于重复的代理ip,使用redis中的set来进行去重。 2.对于存入redis中的代理ip,同时写了一个测试函数,主要对其中的代理ip进行数据定期的有效性的测试。以访问百度为测试为例,对于访问百度不通,代理无效的,从redis中删除数据 3.对于给外部调用此爬虫结果,我给此爬虫了一个接口return。用random的方式随机从爬取的数据中获取代理ip
项目描述:该项目主要爬取各网站新闻的热门,头条,时事热点等信息 项目技能:scrapy_redis,Xpath,Redis,json 1.分析url地址,分析反爬策略,实现反反爬抓取数据。在下载中间键(Downloader)的_process_request方法中配置user-Agent和代理ip地址池,实现基本的反反爬策略。 2.由于爬取新闻网站多,爬取数据量大。数据请求url地址多,使用scrapy_redis来进行分布式爬取,由于redis非关系型数据库,读写更快,将请求的request对象保存到redis中。同时scrapy_redis能够实现去重持久化,请求对象持久化去重,实现分布式,能够有效提高爬虫效率 3.使用scrapy_redis的RFPDupeFilter方法来实现request对象的加密,使用sha1加密算法生成16位字符串指纹,在使用RedisPipline方法来进行数据的存储保存到redis前,查看redis中是否已经有相同的指纹,有就不保存。 4.爬取到的数据保存到MongoDB中,来实现数据的持久化。
项目描述: 爬取各个大型图书网站,如新华书店图书网,在线网上图书一号店等。获取它们图书的名称,简介,购买量,评论量,评论数据,价格等,存入数据库。 项目技能: requests,Xpath,json,Redis,MongoDB,re 个人职责:1.使用requests模块,发送http请求,使用协程进行爬取网页,提高爬虫效率 2.分析需要爬取的数据,发现在ajax请求中,数据格式为json。使用re模块在返回的response.content中匹配需求数据,获取到数据 3.自定义get_ua函数,,调用get_ua随机获取user-agent,对request对象来进行包装,应对反爬 4.调用代理ip池,获取代理ip 5.使用MongoDB进行数据保存