标签:item items 当当网 爬取 re html TOP500 class def
初步探查
打开网站
http://bang.dangdang.com/books/fivestars/1-1
一共25页,每一页最后面的值会发生改变
我们打算获得 排名 书名 图片地址 作者 推荐指数 五星评分 次数价格
逐步实现
主要思路:
- 使用 page 变量来实现翻页
- 我们使用 requests 请求当当网
- 然后将返回的 HTML 进行正则解析
- 所以解析完之后就把内容存到文件中
def main(page):
url = 'http://bang.dangdang.com/books/fivestars/01.00.00.00.00.00-recent30-0-0-1-' + str(page)
html = request_dandan(url)
items = parse_result(html) # 解析过滤我们想要的信息
for item in items:
write_item_to_file(item)
请求当当网 当我们请求成功之后 拿到源代码
def request_dandan(url):
try:
response = requests.get(url)
if response.status_code == 200:
return response.text
except requests.RequestException:
return None
拿到源代码了就要对其解析 使用正则表达式获取我们想要的关键信息
获取到了之后我们封装一下数据
def parse_result(html):
# pattern=re.compile('<li>.*?list_num.*?(\d+).</div>.*?<img src="(.*?)".*?class="name".*?title="(.*?)"/>.*?class="star">.*?class="tuijian">(.*?)</span>.*?class="publisher_info">.*?target="_blank">(.*?)</a>.*?class="biaosheng>.*?<span>(.*?)</span></div>.*?<p><span>\sclass="price_n">¥(.*?)</span>.*?</li>',re.S)
pattern = re.compile('<li>.*?list_num.*?(\d+).</div>.*?<img src="(.*?)".*?'
'class="name".*?title="(.*?)">.*?class="star">.*?'
'class="tuijian">(.*?)</span>.*?class="publisher_info">.*?'
'target="_blank">(.*?)</a>.*?class="biaosheng">.*?<span>(.*?)</span></div>.*?'
'<p><span\sclass="price_n">¥(.*?)</span>.*?</li>',re.S)
items=re.findall(pattern,html)
for item in items:
yield{
"range":item[0],
"image":item[1],
"title":item[2],
"recommend":item[3],
"author":item[4],
"items":item[5],
"price":item[6],
}
写到文件里面
def write_item_to_file(item):
print('开始写入数据 ====> ' + str(item))
with open('book.txt', 'a', encoding='UTF-8') as f:
f.write(json.dumps(item, ensure_ascii=False) + '\n')
f.close()
完整代码
import json
import requests
import re
def main(page):
url='http://bang.dangdang.com/books/fivestars/01.00.00.00.00.00-recent30-0-0-1-'+str(page)
html=request_dandan(url)
items=parse_result(html)# 解析过滤我们想要的信息
for item in items:
write_item_to_file(item)
def request_dandan(url):
try:
response=requests.get(url)
if response.status_code==200:
return response.text
except requests.RequestException:
return None
#使用正则表达式获取我们想要的关键信息 获取到了之后我们封装一下数据
def parse_result(html):
# pattern=re.compile('<li>.*?list_num.*?(\d+).</div>.*?<img src="(.*?)".*?class="name".*?title="(.*?)"/>.*?class="star">.*?class="tuijian">(.*?)</span>.*?class="publisher_info">.*?target="_blank">(.*?)</a>.*?class="biaosheng>.*?<span>(.*?)</span></div>.*?<p><span>\sclass="price_n">¥(.*?)</span>.*?</li>',re.S)
pattern = re.compile('<li>.*?list_num.*?(\d+).</div>.*?<img src="(.*?)".*?'
'class="name".*?title="(.*?)">.*?class="star">.*?'
'class="tuijian">(.*?)</span>.*?class="publisher_info">.*?'
'target="_blank">(.*?)</a>.*?class="biaosheng">.*?<span>(.*?)</span></div>.*?'
'<p><span\sclass="price_n">¥(.*?)</span>.*?</li>',re.S)
items=re.findall(pattern,html)
for item in items:
yield{
"range":item[0],
"image":item[1],
"title":item[2],
"recommend":item[3],
"author":item[4],
"items":item[5],
"price":item[6],
}
#写入文件
def write_item_to_file(item):
print('开始写入数据 ====> ' + str(item))
with open('book.txt', 'a', encoding='UTF-8') as f:
f.write(json.dumps(item, ensure_ascii=False) + '\n')
f.close()
if __name__=="__main__":
for i in range(1,26):
main(i)
最终的效果如下:
标签:item,items,当当网,爬取,re,html,TOP500,class,def 来源: https://www.cnblogs.com/AlucardLink/p/15179166.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。