學(xué)習(xí)Python:requests + BeautifulSoup + MySQLdb抓取簡(jiǎn)單數(shù)據(jù)

初學(xué)Python,試著用requests + BeautifulSoup + MySQLdb抓取豆瓣圖書TOP250的各類數(shù)據(jù)同時(shí)存入數(shù)據(jù)庫(kù)。

1.目標(biāo)

url:

豆瓣圖書TOP250:https://book.douban.com/top250?start=0
一共有250個(gè)圖書尿贫,每一頁返回25條數(shù)據(jù)亮元,start從0到最大225嚷闭。

html:

圖1.png

每一頁的25條數(shù)據(jù)都在<td valign="top">里面绸狐,對(duì)應(yīng)有圖書名锭部、出版社、評(píng)分(可選)篙顺、參評(píng)人數(shù)偶芍、一句話介紹等數(shù)據(jù)充择,目的就是把以上數(shù)據(jù)篩選出來存入MySQL中德玫。

2.開始

先用命令創(chuàng)建一個(gè)MySQL數(shù)據(jù)庫(kù),一定要設(shè)置默認(rèn)字符集為utf8,否則可能會(huì)導(dǎo)致無法插入中文數(shù)據(jù):

MacBook-Pro:~ Tan$ mysql -u root -p
Enter password: 
Welcome to the MySQL monitor.  Commands end with ; or \g.
Your MySQL connection id is 4
Server version: 5.7.19 MySQL Community Server (GPL)

Copyright (c) 2000, 2017, Oracle and/or its affiliates. All rights reserved.

Oracle is a registered trademark of Oracle Corporation and/or its
affiliates. Other names may be trademarks of their respective
owners.

Type 'help;' or '\h' for help. Type '\c' to clear the current input statement.

mysql> CREATE DATABASE NEWDATABASE DEFAULT CHARACTER SET utf8 COLLATE utf8_general_ci;
Query OK, 1 row affected (0.00 sec)

douban.py用于網(wǎng)絡(luò)請(qǐng)求和數(shù)據(jù)解析

#!/usr/bin/env python
# -*- coding: utf-8 -*-

import requests
from bs4 import BeautifulSoup
import sys
import time
from dbManager import DBManager

reload(sys)
sys.setdefaultencoding( "utf-8" )

# 獲取圖書TOP250
class Douban():
    """docstring for Douban"""
    def __init__(self):
        self.baseurl = 'https://book.douban.com/top250?start='
        self.agent = 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3112.113 Safari/537.36'
        self.headers = {'User-Agent':self.agent}
        self.page = 0
        self.maxPage = 250 - 25 
        self.db = DBManager()

    #拼接當(dāng)前url
    def getCurrentUrl(self):
        url = self.baseurl + str(self.page)
        print 'url:%s' % url
        return url

    #TOP250數(shù)據(jù)都在<td valign="top">里面
    def has_valign_but_no_width(self,tag):
        return tag.has_attr('valign') and not tag.has_attr('width')

    #獲取每一頁的數(shù)據(jù)
    def loadPage(self):
        url = self.getCurrentUrl()
        result = requests.get(url,headers=self.headers).content
        soup = BeautifulSoup(result,'html.parser', from_encoding='utf-8')
        content = soup.find_all(self.has_valign_but_no_width)

        #遍歷,解析有用的數(shù)據(jù)
        for item in content:
            title = item.a['title']
            publishingHouse = item.p.string
            price = publishingHouse.split('/')[-1]
            ratingNums = item.find('span',class_ = 'rating_nums').string
            ratingPeoples = item.find('span',class_ = 'pl').string[1:-1].strip()
            inq = ''
            if item.find('span',class_ = 'inq'):
                inq = item.find('span',class_ = 'inq').string

            print 'title:%s\npublishingHouse:%s\nprice:%s\nratingNums:%s\nratingPeoples:%s\ninq:%s\n' % (title,publishingHouse,price,ratingNums,ratingPeoples,inq)

            #插入數(shù)據(jù)庫(kù)
            self.db.insert(title,publishingHouse,price,ratingNums,ratingPeoples,inq)

        #抓取完一頁 休息3s
        time.sleep(3)

        #抓取下一頁
        self.page += 25
        if self.page <= self.maxPage:
            self.loadPage()
        else:
            # 爬完就關(guān)閉數(shù)據(jù)庫(kù)
            self.db.closeDB()

if __name__ == '__main__':
    douban = Douban()
    douban.loadPage()

dbManager用于數(shù)據(jù)存儲(chǔ)

#!/usr/bin/env python
# -*- coding: utf-8 -*-

import MySQLdb
import sys
reload(sys)
sys.setdefaultencoding( "utf-8" )

class DBManager():
    """docstring for DBManager"""

    SQL_CREATE = '''CREATE TABLE IF NOT EXISTS DOUBANBOOK (id int unsigned not null AUTO_INCREMENT primary key,
    title varchar(20) not null,
    publishingHouse varchar(50),
    price varchar(10),
    ratingNums varchar(10),
    ratingPeoples varchar(20),
    inq varchar(20))'''
 
    SQL_INSERT = '''INSERT INTO DOUBANBOOK (title,publishingHouse,price,ratingNums,ratingPeoples,inq) VALUES (%s,%s,%s,%s,%s,%s)'''

    def __init__(self):
        self.host = 'localhost'
        self.dbName = '數(shù)據(jù)庫(kù)名'
        self.userName = 'root'
        self.password = '密碼'

        self._db = MySQLdb.connect(host = self.host,
            user = self.userName,
            passwd = self.password,
            db = self.dbName,
            charset="utf8")

        self._cursor = self._db.cursor()
        self._execute(sql=self.SQL_CREATE)

    
    def _execute(self,params=None,sql=''):
        if params:
            self._cursor.execute(sql,params)
        else:
            self._cursor.execute(sql)

    def insert(self,title,publishingHouse,price,ratingNums,ratingPeoples,inq):
        try:
            self._execute(params=(title,publishingHouse,price,ratingNums,ratingPeoples,inq),sql=self.SQL_INSERT)
            self._db.commit()
        except Exception as e:
            print 'db error %s' % e
            self._db.rollback()

    def closeDB(self):
        self._db.close()

3.最后

運(yùn)行douban.py:

url:https://book.douban.com/top250?start=0
title:追風(fēng)箏的人
publishingHouse:[美] 卡勒德·胡賽尼 / 李繼宏 / 上海人民出版社 / 2006-5 / 29.00元
price: 29.00元
ratingNums:8.9
ratingPeoples:283124人評(píng)價(jià)
inq:為你,千千萬萬遍

title:小王子
publishingHouse:[法] 圣白德螅克蘇佩里 / 馬振聘 / 人民文學(xué)出版社 / 2003-8 / 22.00元
price: 22.00元
ratingNums:9.0
ratingPeoples:225146人評(píng)價(jià)
inq:獻(xiàn)給長(zhǎng)成了大人的孩子們

title:圍城
publishingHouse:錢鍾書 / 人民文學(xué)出版社 / 1991-2 / 19.00
price: 19.00
ratingNums:8.9
ratingPeoples:188666人評(píng)價(jià)
inq:對(duì)于“人艱不拆”四個(gè)字最徹底的違抗

title:解憂雜貨店
publishingHouse:[日] 東野圭吾 / 李盈春 / 南海出版公司 / 2014-5 / 39.50元
price: 39.50元
ratingNums:8.6
ratingPeoples:233024人評(píng)價(jià)
inq:一碗精心熬制的東野牌雞湯宰僧,拒絕很難
圖2.png

數(shù)據(jù)庫(kù)結(jié)構(gòu):

+-----------------+------------------+------+-----+---------+----------------+
| Field           | Type             | Null | Key | Default | Extra          |
+-----------------+------------------+------+-----+---------+----------------+
| id              | int(10) unsigned | NO   | PRI | NULL    | auto_increment |
| title           | varchar(20)      | NO   |     | NULL    |                |
| publishingHouse | varchar(50)      | YES  |     | NULL    |                |
| price           | varchar(10)      | YES  |     | NULL    |                |
| ratingNums      | varchar(10)      | YES  |     | NULL    |                |
| ratingPeoples   | varchar(20)      | YES  |     | NULL    |                |
| inq             | varchar(20)      | YES  |     | NULL    |                |
+-----------------+------------------+------+-----+---------+----------------+

接下來,準(zhǔn)備用這個(gè)數(shù)據(jù)庫(kù)數(shù)據(jù)配合flask_restful做一個(gè)簡(jiǎn)單的api观挎,返回給App使用琴儿。

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,一起剝皮案震驚了整個(gè)濱河市嘁捷,隨后出現(xiàn)的幾起案子造成,更是在濱河造成了極大的恐慌,老刑警劉巖雄嚣,帶你破解...
    沈念sama閱讀 222,252評(píng)論 6 516
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件晒屎,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡缓升,警方通過查閱死者的電腦和手機(jī)鼓鲁,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 94,886評(píng)論 3 399
  • 文/潘曉璐 我一進(jìn)店門港谊,熙熙樓的掌柜王于貴愁眉苦臉地迎上來骇吭,“玉大人,你說我怎么就攤上這事歧寺≡镎” “怎么了?”我有些...
    開封第一講書人閱讀 168,814評(píng)論 0 361
  • 文/不壞的土叔 我叫張陵斜筐,是天一觀的道長(zhǎng)碾局。 經(jīng)常有香客問我,道長(zhǎng)奴艾,這世上最難降的妖魔是什么净当? 我笑而不...
    開封第一講書人閱讀 59,869評(píng)論 1 299
  • 正文 為了忘掉前任,我火速辦了婚禮,結(jié)果婚禮上像啼,老公的妹妹穿的比我還像新娘俘闯。我一直安慰自己,他們只是感情好忽冻,可當(dāng)我...
    茶點(diǎn)故事閱讀 68,888評(píng)論 6 398
  • 文/花漫 我一把揭開白布真朗。 她就那樣靜靜地躺著,像睡著了一般僧诚。 火紅的嫁衣襯著肌膚如雪遮婶。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 52,475評(píng)論 1 312
  • 那天湖笨,我揣著相機(jī)與錄音旗扑,去河邊找鬼。 笑死慈省,一個(gè)胖子當(dāng)著我的面吹牛臀防,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播边败,決...
    沈念sama閱讀 41,010評(píng)論 3 422
  • 文/蒼蘭香墨 我猛地睜開眼袱衷,長(zhǎng)吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來了笑窜?” 一聲冷哼從身側(cè)響起致燥,我...
    開封第一講書人閱讀 39,924評(píng)論 0 277
  • 序言:老撾萬榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎排截,沒想到半個(gè)月后嫌蚤,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 46,469評(píng)論 1 319
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡匾寝,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 38,552評(píng)論 3 342
  • 正文 我和宋清朗相戀三年搬葬,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 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艳悔。...
    茶點(diǎn)故事閱讀 40,680評(píng)論 1 353
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡急凰,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出猜年,到底是詐尸還是另有隱情抡锈,我是刑警寧澤,帶...
    沈念sama閱讀 36,362評(píng)論 5 351
  • 正文 年R本政府宣布乔外,位于F島的核電站床三,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏杨幼。R本人自食惡果不足惜撇簿,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 42,037評(píng)論 3 335
  • 文/蒙蒙 一聂渊、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧四瘫,春花似錦汉嗽、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,519評(píng)論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至洗做,卻和暖如春弓叛,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背诚纸。 一陣腳步聲響...
    開封第一講書人閱讀 33,621評(píng)論 1 274
  • 我被黑心中介騙來泰國(guó)打工撰筷, 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,地道東北人咬清。 一個(gè)月前我還...
    沈念sama閱讀 49,099評(píng)論 3 378
  • 正文 我出身青樓闭专,卻偏偏與公主長(zhǎng)得像奴潘,于是被迫代替她去往敵國(guó)和親旧烧。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,691評(píng)論 2 361

推薦閱讀更多精彩內(nèi)容