爬虫存储器

爬虫数据存储

 

1、 HTML正文抽取

1.1、存储为json

　　首先使用Requests访问http://seputu.com/,获取HTML文档内容，并打印内容，代码如下

1.2、爬虫异常发送邮件

开启网易邮件的第三方设置

获取邮箱授权码

构造MIMEText对象时需要3个参数:邮件正文，MIME的subtype,传入'plain'表示纯文本，最终的MIME就是'text/plain',设置编码格式,utf-8编码保证多语言兼容性。
接着设置邮件的发件人、收件人和邮件主题等消息，并通过STMP发送出去。代码如下

#构造MIMEText对象时需要3个参数:邮件正文，MIME的subtype,传入'plain'表示纯文本，最终的MIME就是'text/plain',设置编码格式,utf-8编码保证多语言兼容性。
#接着设置邮件的发件人、收件人和邮件主题等消息，并通过STMP发送出去。代码如下
from email.header import Header
from email.mime.text import MIMEText
from email.utils import parseaddr,formataddr
import smtplib

def _format_adrr(s):
    print(s)
    name,addr=parseaddr(s)
    print(name,addr)
    return formataddr((Header(name,'utf-8').encode(),addr))

from_addr='15200723046@163.com' #发件人地址
password='951127chenyang'      #邮箱授权码
to_addr='794418323@qq.com'
smtp_server='smtp.163.com'  #163网易邮箱服务器的地址
#设置邮件信息
msg=MIMEText('Python爬虫运行异常，异常信息为遇到HTTP 403','plain','utf-8') #发送的文本
msg['From']=_format_adrr('一号爬虫<%s>'%from_addr)    #爬虫名
msg['To']=_format_adrr('管理员<%s>'%to_addr)
msg['Subject']=Header('一号爬虫运行状态','utf-8').encode()
# 发送邮件
server=smtplib.SMTP(smtp_server,25)    #使用的邮件服务器地址和端口
server.login(from_addr,password)    #发件人的邮件和密码
server.sendmail(from_addr,[to_addr],msg.as_string())    #发送邮件
server.quit()     #关闭连接端口