189 8069 5689

Python采集当当网平台书籍和评论数据~

前言

嗨喽，大家好呀！这里是魔王呐~

成都创新互联服务项目包括马尾网站建设、马尾网站制作、马尾网页制作以及马尾网络营销策划等。多年来，我们专注于互联网行业，利用自身积累的技术优势、行业经验、深度合作伙伴关系等，向广大中小型企业、政府机构等提供互联网行业的解决方案，马尾网站推广取得了明显的社会效益与经济效益。目前，我们服务的客户以成都为中心已经辐射到马尾省份的部分城市，未来相信会继续扩大服务区域并继续获得客户的支持与信任！

环境使用:

  • Python 3.8
  • Pycharm

模块使用:

  • requests >>> pip install requests
  • parsel >>> pip install parsel
  • csv

如果安装python第三方模块:

  1. win + R 输入 cmd 点击确定, 输入安装命令 pip install 模块名 (pip install requests) 回车

  2. 在pycharm中点击Terminal(终端) 输入安装命令

基本实现流程:

<通用模板> 采集视频<小电影> 采集图片<美女小姐姐> 采集小说

一. 数据来源分析

确定了自己想要采集数据是什么?

通过开发者工具抓包分析 <不知道 1 知道 2>

通过F12开发者工具里面的搜索关键字, 找到相应的数据

二. 代码实现步骤过程

爬虫模拟浏览器对于url地址发送请求, 获取服务器返回响应数据

  1. 发送请求 发送get请求
  2. 获取数据, 获取服务器返回响应数据 response<开发者工具里面看到的>
  3. 解析数据, 提取我们想要数据内容 xpath css re 这些方法去提取
  4. 保存数据, 保存表格里面

代码

采集书籍数据

import requests  # 数据请求模块 <工具>
import parsel  # 数据解析模块<工具>
import csv  # csv数据表格

# mode='a' mode是什么意思 保存方式 a 是什么意思 追加保存
f= open('data_1.csv', mode='a', encoding='utf-8', newline='')
csv_writer= csv.DictWriter(f, fieldnames=[
'标题',
'评论',
'推荐',
'作者',
'日期',
'出版社',
'售价',
'原价',
'折扣',
'电子书',
'详情页',
])
csv_writer.writeheader()  # 写表头
"""
发送请求
    爬虫模拟浏览器对于url地址发送请求, 获取服务器返回响应数据

    变量规则:
        不能使用数字开头
        不推荐使用关键字作为变量名
"""
# 确定网址
for page in range(1, 26):  # 包含头, 不包含尾巴
    print(f'=======================正在采集{page}页数据内容=======================')
    url= f'http://bang.dangdang.com/books/bestsellers/01.00.00.00.00.00-recent7-0-0-1-{page}'
    # 　headers 请求头 用来伪装模拟python代码 字典的数据类型
    headers= {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.4951.54 Safari/537.36'
    }
    # 调用requests这个模块里面get请求方法, 对于url地址发送请求, 并且携带上headers请求伪装, 最后用自定义response变量接受返回数据
    response= requests.get(url=url, headers=headers)
    # print(response)  # 打印发送请求得到的内容200]>  响应对象 200状态码表示请求成功
    # print(response.text)  # 获取响应对象的文本数据
"""
    解析数据, 提取我们想要数据内容
        css选择器: 根据标签属性内容提取数据 完全掌握你在系统课程学2.5个小时

    解析方法: css xpath re  那种好用用那种 如果你xpath没解析出来,换一下
"""
    selector = parsel.Selector(response.text)  # 把获取下来html字符串数据转成selector对象 
    lis= selector.css('ul.bang_list li')  # 调用css方法解析数据 第一次提取 获取所有li标签内容
    # print(lis)
for li in lis:
        title= li.css('.name a::attr(title)').get()  # 获取书名
        # 同理可得 p:nth-child(1) 组合选择表示取第几个P标签
        comment= li.css('.star a::text').get().replace('条评论', '')  # 评论
        recommend= li.css('.tuijian::text').get().replace('推荐', '')  # 推荐
        author= li.css('.publisher_info a::attr(title)').get()  # 作者
        date= li.css('.publisher_info span::text').get()  # 日期
        press= li.css('div:nth-child(6) a::text').get()  # 出版社
        price= li.css('.price p:nth-child(1) .price_n::text').get()  # 售价
        price_r= li.css('.price p:nth-child(1) .price_r::text').get()  # 原价
        price_s= li.css('.price p:nth-child(1) .price_s::text').get().replace('折', '')  # 折扣
        price_e= li.css('.price_e .price_n::text').get()  # 电子书
        href= li.css('.name a::attr(href)').get()  # 详情页
        dit= {
'标题': title,
'评论': comment,
'推荐': recommend,
'作者': author,
'日期': date,
'出版社': press,
'售价': price,
'原价': price_r,
'折扣': price_s,
'电子书': price_e,
'详情页': href,
        }
        csv_writer.writerow(dit)
        print(title, comment, recommend, author, date, press, price, price_r, price_s, price_e, href)

网站标题：Python采集当当网平台书籍和评论数据~
转载源于：http://cdxtjz.cn/article/dsoggjh.html

其他资讯