Python實(shí)戰(zhàn)計(jì)劃學(xué)習(xí)筆記(2)網(wǎng)頁(yè)解析

python中解析網(wǎng)頁(yè)內(nèi)容基本步驟

  1. 使用BeautifulSoup解析網(wǎng)頁(yè)
    Soup = BeautifulSoup(html, 'lxml')
  2. 描述要爬取得東西在哪里
    =Soup.select(‘路徑’)
  3. 從標(biāo)簽中獲得需要的信息,按一定格式裝在數(shù)據(jù)容器中(字典的列表)到推,便于查詢
    <p>Something</p>
    [{title=Something, rate=4.0},{title=Something, rate=4.0},{title=Something, rate=4.0},{title=Something, rate=4.0}]

兩種不同的路徑描述方式

  • CSS Selector:
    例如:body>div.main-content>ul>li:nth-child(1)>img
  • XPATH
    例如:/html/body/div[2]/ul/li(1)/img

作業(yè)代碼

from bs4 import BeautifulSoup
info= []
#讀取本地HTML文件并找到要爬取的片段
with open('E:/工作盤Workshop/a3-編程練習(xí)/Python Practice/0824/1.2/index.html','r',) as web_data:
    Soup = BeautifulSoup(web_data,'lxml')
    images = Soup.select('body > div:nth-of-type(1)> div > div.col-md-9 > div:nth-of-type(2) > div > div > img')
    titles = Soup.select('body > div:nth-of-type(1) > div > div.col-md-9 > div:nth-of-type(2) > div > div > div.caption > h4 > a')
    prices = Soup.select('body > div:nth-of-type(1) > div > div.col-md-9 > div:nth-of-type(2) > div > div > div.caption > h4.pull-right')
    votes = Soup.select('body > div:nth-of-type(1) > div > div.col-md-9 > div:nth-of-type(2) > div > div > div.ratings > p.pull-right')
    stars = Soup.select('body > div:nth-of-type(1) > div > div.col-md-9 > div:nth-of-type(2) > div > div > div.ratings > p:nth-of-type(2)')
    #print(images,titles,prices,votes,stars,sep='\n------------------\n')

#從片段中提取有效數(shù)據(jù)考赛,每組數(shù)據(jù)生成一個(gè)字典,再把字典放入列表
for title,image,price,vote,star in zip(titles,images,prices,votes,stars):
    data = {
        'title':title.get_text(),
        'price':price.get_text(),
        'star': len(star.find_all("span", "glyphicon glyphicon-star")),
        'vote':vote.get_text()[:-8],
        'image':image.get('src')
    }
    info.append(data)

#因列表較長(zhǎng)莉测,用一個(gè)函數(shù)逐條打印各元素
def print_lol(the_list):
    for each_item in the_list:
        print(each_item)

print_lol(info)

輸出效果

1.jpg

遺留問題

  • Chrome瀏覽器中copy selector得到的路徑中有一處錯(cuò)誤颜骤,手工更正后才能找到元素。元素實(shí)際位置是body > div:nth-of-type(1)下面捣卤,瀏覽器復(fù)制出來(lái)的路徑卻是body > div:nth-of-type(2)忍抽。
  • 能否找到更高效的方法把-child替換為-of-type,手工修改確實(shí)很浪費(fèi)時(shí)間董朝。
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末鸠项,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子子姜,更是在濱河造成了極大的恐慌祟绊,老刑警劉巖,帶你破解...
    沈念sama閱讀 221,820評(píng)論 6 515
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件哥捕,死亡現(xiàn)場(chǎng)離奇詭異牧抽,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)遥赚,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 94,648評(píng)論 3 399
  • 文/潘曉璐 我一進(jìn)店門扬舒,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái),“玉大人凫佛,你說(shuō)我怎么就攤上這事讲坎≡邢В” “怎么了?”我有些...
    開封第一講書人閱讀 168,324評(píng)論 0 360
  • 文/不壞的土叔 我叫張陵衣赶,是天一觀的道長(zhǎng)诊赊。 經(jīng)常有香客問我,道長(zhǎng)府瞄,這世上最難降的妖魔是什么碧磅? 我笑而不...
    開封第一講書人閱讀 59,714評(píng)論 1 297
  • 正文 為了忘掉前任,我火速辦了婚禮遵馆,結(jié)果婚禮上鲸郊,老公的妹妹穿的比我還像新娘。我一直安慰自己货邓,他們只是感情好秆撮,可當(dāng)我...
    茶點(diǎn)故事閱讀 68,724評(píng)論 6 397
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著换况,像睡著了一般职辨。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上戈二,一...
    開封第一講書人閱讀 52,328評(píng)論 1 310
  • 那天舒裤,我揣著相機(jī)與錄音,去河邊找鬼觉吭。 笑死腾供,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的鲜滩。 我是一名探鬼主播伴鳖,決...
    沈念sama閱讀 40,897評(píng)論 3 421
  • 文/蒼蘭香墨 我猛地睜開眼,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼徙硅!你這毒婦竟也來(lái)了榜聂?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,804評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤闷游,失蹤者是張志新(化名)和其女友劉穎峻汉,沒想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體脐往,經(jīng)...
    沈念sama閱讀 46,345評(píng)論 1 318
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡休吠,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 38,431評(píng)論 3 340
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了业簿。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片瘤礁。...
    茶點(diǎn)故事閱讀 40,561評(píng)論 1 352
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖梅尤,靈堂內(nèi)的尸體忽然破棺而出柜思,到底是詐尸還是另有隱情岩调,我是刑警寧澤,帶...
    沈念sama閱讀 36,238評(píng)論 5 350
  • 正文 年R本政府宣布赡盘,位于F島的核電站号枕,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏陨享。R本人自食惡果不足惜葱淳,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,928評(píng)論 3 334
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望抛姑。 院中可真熱鬧赞厕,春花似錦、人聲如沸定硝。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,417評(píng)論 0 24
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)蔬啡。三九已至诲侮,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間箱蟆,已是汗流浹背浆西。 一陣腳步聲響...
    開封第一講書人閱讀 33,528評(píng)論 1 272
  • 我被黑心中介騙來(lái)泰國(guó)打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留顽腾,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 48,983評(píng)論 3 376
  • 正文 我出身青樓诺核,卻偏偏與公主長(zhǎng)得像抄肖,于是被迫代替她去往敵國(guó)和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子窖杀,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,573評(píng)論 2 359

推薦閱讀更多精彩內(nèi)容