91超碰碰碰碰久久久久久综合_超碰av人澡人澡人澡人澡人掠_国产黄大片在线观看画质优化_txt小说免费全本

溫馨提示×

溫馨提示×

您好,登錄后才能下訂單哦!

密碼登錄×
登錄注冊×
其他方式登錄
點擊 登錄注冊 即表示同意《億速云用戶服務條款》

Python 50行爬蟲抓取并處理圖靈書目過程詳解

發布時間:2020-09-25 14:22:07 來源:腳本之家 閱讀:164 作者:阿貍不歌 欄目:開發技術

前言

使用 requests進行爬取、BeautifulSoup進行數據提取。

主要分成兩步: 第一步是解析圖書列表頁,并解析出里面的圖書詳情頁鏈接。 第二步是解析圖書詳情頁,提取出感興趣的內容,本例中根據不同的數據情況,采用了不同的提取方法,總的感覺就是BeautifulSoup用起來很方便

以下是幾個典型HTML內容提取的Python代碼片段

1、提取詳情頁鏈接

列表頁中的詳情頁鏈接片段

<h5 class="name">
 <a href="/book/1921" rel="external nofollow" title="深度學習入門:基于Python的理論與實現">
  深度學習入門:基于Python的理論與實現
 </a>
</h5>

提取詳情頁鏈接的Python代碼

# bs是BeautifulSoup的instance
bs.select('.name')
for 詳情鏈接信息 in bs.select('.name'):
 # 提取出鏈接
 print(詳情鏈接信息.a.get('href'))

2、提取詳情頁中的圖書名稱

詳情頁中圖書名稱HTML代碼

<h3>
   深度學習入門:基于Python的理論與實現
</h3>

提取圖書名稱的Python代碼

# 因為提取出來的文字前后還帶了很多空格,所以要用strip去掉 
bs.h3.get_text().strip()

3、提取電子書價格信息

詳情頁中電子書價格HTML代碼

<dt>電子書</dt>
 <dd>
   <span class="price">¥29.99</span>
 </dd>

提取電子書價格的Python代碼

# 因為不是每本書都有電子書,所以要判斷一下
有電子書 = bs.find("dt", text="電子書")
if 有電子書:
 價格=有電子書.next_sibling.next_sibling.find("span", {"class": "price"}).get_text().strip()[1:]
 print(float(價格))

完整代碼

# ituring.py,python3版本,默認只抓兩頁,可以通過啟動參數控制要抓的列表頁范圍
import sys
import requests
import time
from bs4 import BeautifulSoup

def 輸出圖書列表中的詳情鏈接(bs):
 # 找到頁面中所有的 <h5 class="name"><a href="/book/..." rel="external nofollow" >...</a></h5>
 for 詳情鏈接信息 in bs.select('.name'):
  # 提取出鏈接
  yield 詳情鏈接信息.a.get('href')

def 獲取圖書詳情(鏈接):
 詳情頁 = requests.get('http://www.ituring.com.cn%s' %鏈接)
 if 詳情頁.ok:
  bs = BeautifulSoup(詳情頁.content, features="html.parser")

  圖書 = {}

  圖書['title'] = bs.h3.get_text().strip()
  圖書['status'] = bs.find("strong", text="出版狀態").next_sibling

  有定價 = bs.find("strong", text="定  價")
  if 有定價:
   圖書['price'] = 有定價.next_sibling

   有電子書 = bs.find("dt", text="電子書")
   if 有電子書:
    圖書['ePrice'] = float(有電子書.next_sibling.next_sibling.find("span", {"class": "price"}).get_text().strip()[1:])

  有出版日期 = bs.find("strong", text="出版日期")
  if 有出版日期:
   圖書['date'] = 有出版日期.next_sibling

  圖書['tags'] = []
  for tag in bs.select('.post-tag'):
   圖書['tags'].append(tag.string)

  return 圖書

 else:
  print('❌ 詳情頁 http://www.ituring.com.cn%s' %鏈接)

def 解析圖書列表頁(起始頁, 終止頁):
 for 頁序號 in range(起始頁 - 1, 終止頁): 
  # 逐一訪問圖書列表頁面
  列表頁 = requests.get('http://www.ituring.com.cn/book?tab=book&sort=new&page=%s' %頁序號)

  if 列表頁.ok:
   # 創建 BeautifulSoup 的 instance
   bs = BeautifulSoup(列表頁.content, features="html.parser")

   # 提取 列表頁中的 詳情頁鏈接,并逐一分析
   for 詳情頁面鏈接 in 輸出圖書列表中的詳情鏈接(bs):
    圖書信息 = 獲取圖書詳情(詳情頁面鏈接)
    # 得到的圖書信息,按照自己的需求去處理吧
    print(圖書信息)
    # 抓完一本書休息一下
    time.sleep(0.1)

   print('✅ 第%s頁獲取完畢\n\t' %(頁序號 + 1))
  else:
   print('❌ 第%s頁獲取出錯\n\t' %(頁序號 + 1))

if __name__ == '__main__':
 # 默認圖書列表起始頁 和 終止頁
 起始圖書列表頁碼 = 1
 終止圖書列表頁碼 = 2 # ⚠️ 改改代碼頁可以實現自動獲得最后一頁 

 # 獲取輸入參數; ⚠️此處未對輸入參數的類型做檢測
 if(len(sys.argv)==2):
  # 只有一個參數時,輸入的是終止頁碼,起始頁碼默認為 0
  終止圖書列表頁碼 = int(sys.argv[1])
 if(len(sys.argv)==3):
  # 有兩個參數時, 第一個參數是起始頁碼,第二個參數是終止頁碼
  起始圖書列表頁碼 = int(sys.argv[1])
  終止圖書列表頁碼 = int(sys.argv[2])

 解析圖書列表頁(起始圖書列表頁碼, 終止圖書列表頁碼)

以上就是本文的全部內容,希望對大家的學習有所幫助,也希望大家多多支持億速云。

向AI問一下細節

免責聲明:本站發布的內容(圖片、視頻和文字)以原創、轉載和分享為主,文章觀點不代表本網站立場,如果涉及侵權請聯系站長郵箱:is@yisu.com進行舉報,并提供相關證據,一經查實,將立刻刪除涉嫌侵權內容。

AI

剑阁县| 晋州市| 德惠市| 弥渡县| 白沙| 贞丰县| 卓资县| 大同县| 永宁县| 山东省| 科技| 新安县| 旅游| 交口县| 招远市| 兴文县| 大厂| 突泉县| 安平县| 诸城市| 永德县| 阳曲县| 东海县| 永康市| 孙吴县| 大石桥市| 五华县| 芜湖市| 舒兰市| 工布江达县| 金门县| 五大连池市| 天长市| 河北区| 筠连县| 华坪县| 金阳县| 永康市| 波密县| 资讯| 蓝田县|