Python爬蟲實(shí)戰(zhàn)——豆瓣圖書TOP250信息(基于lxml和xpath)

目標(biāo)

爬取豆瓣圖書TOP250的圖書信息,包括書名(name)耻讽、書本的URL鏈接(url)察纯、作者(author)、出版社(publisher)、出版時(shí)間(date)饼记、書本價(jià)格(price)香伴、評(píng)分(rate)和評(píng)價(jià)(comment)

網(wǎng)址

https://book.douban.com/top250

思路

(1)手動(dòng)瀏覽,觀察url地址的變化具则,構(gòu)建url列表即纲。很容易發(fā)現(xiàn)url地址是以數(shù)字遞增的方式改變的,步長為25博肋,共10頁低斋。

https://book.douban.com/top250?start=25

https://book.douban.com/top250?start=50

(2)爬取相關(guān)信息

(3)將爬取的信息寫入csv文件

具體代碼如下:

import csv
from lxml import etree
import requests

headers = {'User-Agent':'Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.36 \
(KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36'}

f = open('doubanTop250.csv', 'wt', newline='', encoding='UTF-8')   #創(chuàng)建csv文件
writer = csv.writer(f)
writer.writerow(('name', 'url', 'author', 'publisher', 'date', 'price', 'rate',
                 'comment'))

urls = ["https://book.douban.com/top250?start={}"\
        .format(str(i)) for i in range(0,226,25)]   #構(gòu)造url列表

for url in urls:
    print('正在爬取'+url)
    r = requests.get(url, headers=headers)
    selector = etree.HTML(r.text)
    infos = selector.xpath('//tr[@class="item"]')   #取大標(biāo)簽,以此循環(huán)
    for info in infos:
        name = info.xpath('td/div/a/@title')[0]
        url = info.xpath('td/div/a/@href')[0]
        book_infos = info.xpath('td/p/text()')[0]
        author = book_infos.split('/')[0]
        publisher = book_infos.split('/')[-3]
        date = book_infos.split('/')[-2]
        price = book_infos.split('/')[-1]
        rate = info.xpath('td/div/span[2]/text()')[0]
        comments = info.xpath('td/p/span/text()')
        comment = comments[0] if len(comments) != 0 else "空"
        
        writer.writerow((name,url,author,publisher,date,price,rate,comment))

f.close()

爬取結(jié)果如下

image

需要注意的是匪凡,爬取完用excel打開會(huì)看到是亂碼拔稳,不要慌,這時(shí)候先用記事本打開锹雏,將編碼改為UTF格式巴比,保存后再用excel打開就正常了

?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,一起剝皮案震驚了整個(gè)濱河市礁遵,隨后出現(xiàn)的幾起案子轻绞,更是在濱河造成了極大的恐慌,老刑警劉巖佣耐,帶你破解...
    沈念sama閱讀 211,743評(píng)論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件政勃,死亡現(xiàn)場離奇詭異,居然都是意外死亡兼砖,警方通過查閱死者的電腦和手機(jī)奸远,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,296評(píng)論 3 385
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來讽挟,“玉大人懒叛,你說我怎么就攤上這事〉⒚罚” “怎么了薛窥?”我有些...
    開封第一講書人閱讀 157,285評(píng)論 0 348
  • 文/不壞的土叔 我叫張陵,是天一觀的道長眼姐。 經(jīng)常有香客問我诅迷,道長,這世上最難降的妖魔是什么众旗? 我笑而不...
    開封第一講書人閱讀 56,485評(píng)論 1 283
  • 正文 為了忘掉前任罢杉,我火速辦了婚禮,結(jié)果婚禮上贡歧,老公的妹妹穿的比我還像新娘滩租。我一直安慰自己拱镐,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,581評(píng)論 6 386
  • 文/花漫 我一把揭開白布持际。 她就那樣靜靜地躺著沃琅,像睡著了一般。 火紅的嫁衣襯著肌膚如雪蜘欲。 梳的紋絲不亂的頭發(fā)上益眉,一...
    開封第一講書人閱讀 49,821評(píng)論 1 290
  • 那天,我揣著相機(jī)與錄音姥份,去河邊找鬼郭脂。 笑死,一個(gè)胖子當(dāng)著我的面吹牛澈歉,可吹牛的內(nèi)容都是我干的展鸡。 我是一名探鬼主播,決...
    沈念sama閱讀 38,960評(píng)論 3 408
  • 文/蒼蘭香墨 我猛地睜開眼埃难,長吁一口氣:“原來是場噩夢(mèng)啊……” “哼莹弊!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起涡尘,我...
    開封第一講書人閱讀 37,719評(píng)論 0 266
  • 序言:老撾萬榮一對(duì)情侶失蹤忍弛,失蹤者是張志新(化名)和其女友劉穎,沒想到半個(gè)月后考抄,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體细疚,經(jīng)...
    沈念sama閱讀 44,186評(píng)論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長有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 36,516評(píng)論 2 327
  • 正文 我和宋清朗相戀三年川梅,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了疯兼。 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。...
    茶點(diǎn)故事閱讀 38,650評(píng)論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡贫途,死狀恐怖吧彪,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情潮饱,我是刑警寧澤来氧,帶...
    沈念sama閱讀 34,329評(píng)論 4 330
  • 正文 年R本政府宣布,位于F島的核電站香拉,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏中狂。R本人自食惡果不足惜凫碌,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,936評(píng)論 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望胃榕。 院中可真熱鬧盛险,春花似錦瞄摊、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,757評(píng)論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至鹤啡,卻和暖如春惯驼,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背递瑰。 一陣腳步聲響...
    開封第一講書人閱讀 31,991評(píng)論 1 266
  • 我被黑心中介騙來泰國打工祟牲, 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,地道東北人抖部。 一個(gè)月前我還...
    沈念sama閱讀 46,370評(píng)論 2 360
  • 正文 我出身青樓说贝,卻偏偏與公主長得像,于是被迫代替她去往敵國和親慎颗。 傳聞我的和親對(duì)象是個(gè)殘疾皇子乡恕,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,527評(píng)論 2 349

推薦閱讀更多精彩內(nèi)容