DZone>大数据区>如何使用Python从Target.Com上抓取Target商店位置数据？
如何使用Python从Target.Com上提取Target商店的位置数据？
了解如何使用Python提取Target商店的位置数据。
通过
-
Aug. 04, 21 - 大数据区 -教程
喜欢 (2)
评论
保存
鸣叫
2.20K浏览次数
加入DZone社区，获得完整的会员体验。
网络数据抓取是一种更快、更有组织的方式，可以获得关于商店位置的详细信息，或者从网站上抓取位置，而不是用时间去收集信息。这个教程博客是为了刮取Target.com上的商店位置以及联系数据，Target是美国最大的折扣店零售商之一。
在这里的教程博客中，我们的Target商店定位器将根据所提供的邮政编码搜刮Target商店的位置信息。
我们可以抓取以下数据字段。
- 商店的名称
- 商店的地址
- 工作日
- 电话
- 开放时间
这是数据的截图，将作为本教程的一部分进行抓取。
我们可以从Target.com上的商店详情页中提取很多数据，如杂货店和药店的时间，但是，我们将继续使用这些数据。
搜集背后的逻辑
从Target.com创建一个搜索结果页面的URL。让我们使用纽约的克林顿这个地点。在这里，我们需要手动制作URL，以便从页面上刮取结果--www.target.com/store-locat…
然后在得到URL后，用Python Requests轻松下载搜索结果页面的HTML。我们利用Python请求来下载整个页面的HTML。
然后将数据保存在JSON文件中。
你的要求是什么？
在Python 3的网页抓取教程中，我们需要一些包来下载和解析HTML。让我们来看看软件包的要求。
包的安装
使用Python安装给定的软件包，网址是(https://pip.pypa.io/en/stable/installation/)
使用Python Requests提出请求，以及下载网页的HTML内容，网址是(https://docs.python-requests.org/en/master/user/install/)
使用Unicode CSV处理输出文件中的Unicode字符。然后使用pip安装，并安装unicodecsv。
编码
如果这里给出的植入方法不起作用，那么你可以点击这里的链接。
运行网络搜刮器
假设网络搜刮器的名字是target.py。如果，你在命令提示符中输入一个脚本名称，同时使用-h
usage: target.py [-h] zipcode
positional arguments: zipcode Zip code
optional arguments: -h, --help show this help message and exit
争议的邮编是用于查找任何特定地点附近的商店的邮编。
例如，要获得纽约克林顿附近的所有目标商店，那么我们将把争议的邮编定为12901，用于这里的邮编。
python target.py 12901
它将产生名为12901-locations.json的JSON结果文件，该文件将位于脚本的类似文件夹中。
它的输出文件看起来就像这样。
{ "County": "Clinton", "Store_Name": "Plattsburgh", "State": "NY", "Street": "60 Smithfield Blvd", "Stores_Open": [ "Monday-Friday", "Saturday", "Sunday" ], "Contact": "(518) 247-4961", "City": "Plattsburgh", "Country": "United States", "Zipcode": "12901-2151", "Timings": [ { "Week Day": "Monday-Friday", "Open Hours": "8:00 a.m.-10:00 p.m." }, { "Week Day": "Saturday", "Open Hours": "8:00 a.m.-10:00 p.m." }, { "Week Day": "Sunday", "Open Hours": "8:00 a.m.-9:00 p.m." } ] }
你可以在下面的评论区分享你对这个搜刮工具的看法。
局限性
该代码需要从Target.com刮取所有可用的邮政编码的数据。如果你需要任何关于刮取困难网站的专业帮助，或者需要Target.com的API服务，那么只要填写下面的表格就可以联系我们。
主题。
python, 基于位置的应用程序, 地理空间, 大数据, 教程
经Sabine Ryhner授权发表于DZone。点击这里查看原文。
DZone贡献者所表达的观点属于他们自己。
DZone上的热门文章
评论
