从函数 def 到类 Class

栏目: Python · 发布时间: 5年前

内容简介:实例对比,快速上手 Python 类(Class)和 Pyspider 代码的写法。摘要:初学 Python 过程中,我们可能习惯了使用函数(def),在开始学习类(Class)的用法时,可能会觉得它的写法别扭,类的代码写法也不像函数那么简单直接,也会产生「有了函数为什么还需要类」的疑问。然而面向对象编程是 Python 最重要的思想,类(Class)又是面向对象最重要的概念之一,所以要想精通 Python ,则必须得会使用类(Class)来编写代码,而且 Pyspider 和 Scrapy 两大框架都使

实例对比,快速上手 Python 类(Class)和 Pyspider 代码的写法。

摘要:初学 Python 过程中,我们可能习惯了使用函数(def),在开始学习类(Class)的用法时,可能会觉得它的写法别扭,类的代码写法也不像函数那么简单直接,也会产生「有了函数为什么还需要类」的疑问。然而面向对象编程是 Python 最重要的思想,类(Class)又是面向对象最重要的概念之一,所以要想精通 Python ,则必须得会使用类(Class)来编写代码,而且 Pyspider 和 Scrapy 两大框架都使用了类的写法,基于此,本文将介绍如何从函数的写法顺利过渡到类的编写习惯。

关于类(Class)的教程,网上主要有两类,一类是廖雪峰大佬的,另一类是不加说明默认你已经会这种写法,而直接使用的。

廖雪峰的教程非常棒,但是更适合入门 Python 有一段时间或者看过一些更基础的教程之后再回过头来看,否则可能会觉得他的教程理论性重于实用性。我第一次看了他的教程中关于类的相关知识后,觉得理解了,但一尝试自己写时就不太会了。

第二类教程,网上有很多案例,这类教程存在的问题就是,你能看懂意思,但还是不太会运用到自己的案例中。

总结一下这两类教程对新手不友好的地方就是 没有同时给出两种写法的实例 ,这就没办法对比,而「对比学习」是一种学习新知识非常快的途径,简单来说就是学新知识的时候,先从我们已经掌握的知识出发,和新知识进行对比,快速找到共同点和不同点,共同点我们能很快掌握,针对不同点通过对比去感悟领会,从而快速学会新知识。

接下来,就举几个同时使用了函数写法和类的写法的案例,希望能够帮助你快速完成从函数到类的编程思想的过渡转换。

▌爬取豆瓣电影 TOP250

第一个案例:爬取豆瓣电影 TOP250,我们的目标是通过调用豆瓣 API 接口,获取电影名称、评分、演员等信息,然后存储到 CSV 文件中,部分代码如下:

def get_content(start_page):
    url = 'https://api.douban.com/v2/movie/top250?'
    params = {
        'start':start_page,
        'count':50
        }
    response = requests.get(url,params=params).json()
    movies = response['subjects']
    data = [{
        'rating':item['rating']['average'],
        'genres':item['genres'],
        'name':item['title'],
        'actor':get_actor(item['casts']),
        'original_title':item['original_title'],
        'year':item['year'],
    } for item in movies]
    write_to_file(data)

def get_actor(actors):
    actor = [i['name'] for i in actors]
    return actor

def write_to_file(data):
    with open('douban_def.csv','a',encoding='utf_8_sig',newline='') as f:
        w = csv.writer(f)
        for item in data:
            w.writerow(item.values())

def get_douban(total_movie):
    # 每页50条,start_page循环5次
    for start_page in range(0,total_movie,50):
        get_content(start_page)
if __name__ == '__main__':
    get_douban(250)

打开 CSV 文件查看输出的结果:

从函数 def 到类 Class

以上,我们通过四个函数就完成了数据的爬取和存储,逻辑很清晰,下面我们使用类的写法实现同样的功能,部分代码如下:

class Douban(object):
    def __init__(self):
        self.url = 'https://api.douban.com/v2/movie/top250?'
    def get_content(self,start_page):
        params = {
            'start':start_page,
            'count':50
            }
        response = requests.get(self.url,params=params).json()
        movies = response['subjects']
        data = [{
            'rating':item['rating']['average'],
            'genres':item['genres'],
            'name':item['title'],
            'actor':self.get_actor(item['casts']),
            'original_title':item['original_title'],
            'year':item['year'],
        } for item in movies]
        self.write_to_file(data)
        
    def get_actor(self,actors):
        actor = [i['name'] for i in actors]
        return actor
    
    def write_to_file(self,data):
        with open('douban_class.csv','a',encoding='utf_8_sig',newline='') as f:
            w = csv.writer(f)
            for item in data:
                w.writerow(item.values())
    def get_douban(self,total_movie):
        # 每页50条,start_page循环5次
        for start_page in range(0,total_movie,50):
            self.get_content(start_page)

if __name__ == '__main__':
    douban = Douban()
    douban.get_douban(250)

可以看到,上面的案例中,类的写法和函数的写法大部分都是一样的,仅少数部分存在差异。主要有这么几点差异:

  • 增加了一个 __init__ 函数。

    这是一个特殊的函数,它的作用主要是事先把一些重要的属性填写进来,它的特点是第一个参数永远是 self ,表示创建的实例本身,这里的实例就是最下面的 douban (实例通过类名+() 创建)。

  • 类中的函数和普通的函数相比,只有一点不同。

    类中的函数(也称为方法)的第一个参数永远是实例变量 self ,并且调用时,不用传递该参数。除此之外,类的方法和普通函数没有什么区别。

  • 在执行类的时候需要先实例化

    这里我们定义了一个类,类名是 Douban(首字母要大写),在运行类的时候,需要先实例化,这里实例化为 douban ,然后调用 get_douban()方法完成数据的爬取和存储。

下面,我们再来看看第二个例子。

▌模拟登陆 IT 桔子

从函数 def 到类 Class

我们使用 Selenium 模拟登陆 IT 桔子网并输出网页源码,使用函数的部分代码如下:

def login():
    browser = webdriver.Chrome()
    browser.get('https://www.itjuzi.com/user/login')
    account = browser.find_element(By.ID, "create_account_email")
    password = browser.find_element(By.ID, "create_account_password")
    account.send_keys('irw27812@awsoo.com') # 输入账号和密码
    password.send_keys('test2018') # 输入账号密码
    submit = browser.find_element(By.ID,"login_btn")
    submit.click() # 点击登录按钮
    get_content()

def get_content():
    browser.get('http://radar.itjuzi.com/investevent')
    print(browser.page_source)  # 输出网页源码

if __name__ == '__main__':
	login()

以上代码实现了自动输入账号密码然后进入 IT 桔子网,下面我们再来看看类的写法:

class Spider(object):
    def __init__(self,account,password):
        self.login_url = 'https://www.itjuzi.com/user/login'
        self.get_url = 'http://radar.itjuzi.com/investevent'
        self.account = account
        self.password = password

    def login(self):
        browser.get(self.login_url)
        account = browser.find_element(By.ID, "create_account_email")
        password = browser.find_element(By.ID, "create_account_password")
        account.send_keys(self.account) # 输入账号和密码
        password.send_keys(self.password)
        submit = browser.find_element(By.ID,"login_btn")
        submit.click() # 点击登录按钮
        self.get_content()   # 调用下面的方法

    def get_content(self):
        browser.get(self.get_url)
        print(browser.page_source)  # 输出网页源码

if __name__ == '__main__':
    spider = Spider(account='irw27812@awsoo.com',password='test2018')
    # 当有其他账号时,在这里更改即可,很方便
    # spider = Spider('fru68354@nbzmr.com','test2018')
    spider.login()

这里,我们将一些固定的参数,比如 URL、Headers 都放在 __init__ 方法中,需要的时候在各个函数中进行调用,这样的写法逻辑更加清晰。

下面,我们再看看第三个例子爬取虎嗅文章,从普通类的写法过渡到 pyspider 框架中类的写法,这样有助于快速上手 pyspider 框架。

▌爬取虎嗅文章

从函数 def 到类 Class

我们目标是通过分析 AJAX 请求,遍历爬取虎嗅网的文章信息,先来看看普通类的写法,部分代码如下:

client = pymongo.MongoClient('localhost',27017)
db = client.Huxiu
mongo_collection = db.huxiu_news

class Huxiu(object):
    def __init__(self):
        self.headers = {
            'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/66.0.3359.181 Safari/537.36',
            'X-Requested-With': 'XMLHttpRequest'
            }
        self.url = 'https://www.huxiu.com/v2_action/article_list'

    def get_content(self,page):
        data = {
            'page': page,
            }
        response = requests.post(self.url,data=data,headers=self.headers)
        self.parse_content(response)

    def parse_content(self,response):
        content = response.json()['data']
        doc = pq(content)
        lis = doc('.mod-art').items()
        data =[{
        'title': item('.msubstr-row2').text(),
        'url':'https://www.huxiu.com'+ str(item('.msubstr-row2').attr('href')),
        'name': item('.author-name').text(),
        'write_time':item('.time').text(),
        'comment':item('.icon-cmt+ em').text(),
        'favorites':item('.icon-fvr+ em').text(),
        'abstract':item('.mob-sub').text()
        } for item in lis] 
        self.save_to_file(data)
    # 存储到 mongodb
    def save_to_file(self,data):
        df = pd.DataFrame(data)
        content = json.loads(df.T.to_json()).values()
        if mongo_collection.insert_many(content):
            print('存储到 mongondb 成功')
        else:
            print('存储失败')

    def get_huxiu(self,start_page,end_page):
        for page in range(start_page,end_page) :
            print('正在爬取第 %s 页' % page)
            self.get_content(page)

if __name__ == '__main__':
    huxiu = Huxiu()
    huxiu.get_huxiu(1,2000)

然后再看看在 Pyspider 中的写法:

class Handler(BaseHandler):
    crawl_config:{
        "headers":{
            'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/66.0.3359.181 Safari/537.36',
            'X-Requested-With': 'XMLHttpRequest'
            }
    }
    
    # 修改taskid,避免只下载一个post请求
    def get_taskid(self,task):
        return md5string(task['url']+json.dumps(task['fetch'].get('data','')))
     
    def on_start(self):
        for page in range(1,2000):
            print('正在爬取第 %s 页' % page)
            self.crawl('https://www.huxiu.com/v2_action/article_list',method='POST',data={'page':page}, callback=self.index_page)
    
    def index_page(self, response):
        content = response.json['data']
        # 注意,在上面的class写法中,json后面需要添加(),pyspider中则不用
        doc = pq(content)
        lis = doc('.mod-art').items()
        data = [{
            'title': item('.msubstr-row2').text(),
            'url':'https://www.huxiu.com'+ str(item('.msubstr-row2').attr('href')),
            'name': item('.author-name').text(),
            'write_time':item('.time').text(),
            'comment':item('.icon-cmt+ em').text(),
            'favorites':item('.icon-fvr+ em').text(),
            'abstract':item('.mob-sub').text()
            } for item in lis ] 
        return data
 
    def on_result(self,result):
        if result:
            self.save_to_mongo(result)
  
    def save_to_mongo(self,result):
        df = pd.DataFrame(result)
        content = json.loads(df.T.to_json()).values()
        if mongo_collection.insert_many(content):
            print('存储到 mongondb 成功')

可以看到,pyspider 中主体部分和普通类的写法差不多,不同的地方在于 pyspider 中有一些固定的语法,这可以通过参考 pyspider 教程快速掌握。

通过以上三个例子的对比,我们可以感受到函数(def)、 类(Class)和 pyspider 三种代码写法的异同点,采取这样对比式的学习能够快速掌握新的知识。

如需完整代码,可以加入我的知识星球「 第2脑袋 」获取,里面有很多干货,期待你的到来。

从函数 def 到类 Class

本文完。


以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

算法:C语言实现

算法:C语言实现

塞奇威克 / 机械工业出版社 / 2006-9 / 69.00元

本书是Sedgewick彻底修订和重写的C算法系列的第一本。全书分为四部分,共16章,第一部分“基础知识”(第1-2章)介绍基本算法分析原理。第二部分“数据结构”(第3-5章)讲解算法分析中必须掌握的数据结构知识,主要包括基本数据结构,抽象数据结构,递归和树。一起来看看 《算法:C语言实现》 这本书的介绍吧!

JSON 在线解析
JSON 在线解析

在线 JSON 格式化工具

RGB转16进制工具
RGB转16进制工具

RGB HEX 互转工具