爬虫项目练习

untitled.png

一. 使用beautifulsoup解析爬取街拍美女图片.

image.png

上代码

import requests
from bs4 import BeautifulSoup
class MzSpider(object):
    def __init__(self,):
        self.base_url = "https://www.mzitu.com/jiepai/"
        self.headers = {"User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64)"
                                    +" AppleWebKit/537.36 (KHTML, like Gecko)"
                                    +" Chrome/80.0.3987.149 Safari/537.36"}


    def get_page(self):
        return requests.get(url = self.base_url, headers = self.headers)

    def run(self):
        response = self.get_page()
        soup = BeautifulSoup(response.text,'lxml')
        result = soup.find_all('img',attrs = {'class':'lazy'})
        for value in result:
            response = requests.get(url=value.attrs['data-original'], headers=self.headers)
            path_name = './'+str(value.attrs['data-original'])[-5:-8:-1]+'.png'
            with open(path_name,'wb') as f:
                f.write(response.content)


if __name__ == '__main__':

    mzspider = MzSpider()
    mzspider.run()

最终GET(放两张出来给大家看看)

4ow.png
nkw.png

二. 使用Xpath爬取当当网关于python书籍的信息.

代码

#爬取当当网图书
import requests
import csv
import time
from lxml import etree

class  DDSpider(object):
    def __init__(self,key):
        self.key = key
        self.headers = {"User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64)"
                                     +" AppleWebKit/537.36 (KHTML, like Gecko)"
                                     +" Chrome/80.0.3987.149 Safari/537.36"}
        self.base_url ="http://search.dangdang.com/?key="+key+"&act=input&page_index={}"
        pass
    #获取界面的内容
    def get_pageInfo(self):
        num_page = 0
        while True:
            num_page += 1
            page_url=self.base_url.format(num_page)
            response = requests.get(url=page_url,headers=self.headers)
            return self.parse_pageInfo(response.content.decode("GBK"))
            time.sleep(1)
            if num_page == 1:
                break
    def parse_pageInfo(self,html):
        doc = etree.HTML(html)
        #图片
        img_ul1 = doc.xpath('//*[@id="component_59"]/li/a/img/@src')
        img_ul2 = doc.xpath('//*[@id="component_59"]/li/a/img/@data-original')
        img_ul1.extend(img_ul2)
        img_ul = []
        for i in img_ul1:
            if i != 'images/model/guan/url_none.png':
                img_ul.append(i)
            else:
                continue
        #标题
        title_ul = doc.xpath('//*[@class="name"]/a/@title')
        #价格
        price_ul = doc.xpath('//*[@class="search_now_price"]/text()')
        print(price_ul)
        #评价数
        comments_ul = doc.xpath('//*[@class="search_star_line"]/a/text()')
        #星星
        stars_ul = doc.xpath('//*[@class="search_star_black"]/span/@style')
        my_list = []
        final_list = []
        for num in range(len(img_ul)):
            my_list.append(img_ul[num])
            my_list.append(title_ul[num])
            my_list.append(price_ul[num])
            my_list.append(comments_ul[num])
            my_list.append(str(float(stars_ul[num].split(':')[1].strip('%;'))/20))
            final_list.append(tuple(my_list))
            my_list = []
        return final_list
    def save_to_csv(self,data):
        list_name =["picture_url","book_name","price","comments","star_level"]
        with open('./dangd.csv', 'a', newline='', encoding="utf-8-sig") as f:
            writer = csv.writer(f)
            writer.writerow(list_name)
        for turple_value in data:
            with open('./dangd.csv','a',newline='',encoding="utf-8-sig") as f:
                writer = csv.writer(f)
                writer.writerow(list(turple_value))
if __name__ == "__main__":
    dds= DDSpider("python")
    data = dds.get_pageInfo()
    dds.save_to_csv(data)

几个注意的地方:

代码中key代表你要搜索的关键字
image.png
翻页功能需要你翻页观察网页地址的变化
image.png
使用GBK不使用常用的UTF8的缘由
image.png

以下是爬虫得到的csv文件在pycharm的中的图片.

image.png

image.png
可以看到,我们爬取了书籍的图片,名称,价格,评论数,评分.

总结:以上是基本的爬虫练习成果.还有许多问题需要我们去解决.

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,718评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,683评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 158,207评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,755评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,862评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,050评论 1 291
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,136评论 3 410
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,882评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,330评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,651评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,789评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,477评论 4 333
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,135评论 3 317
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,864评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,099评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,598评论 2 362
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,697评论 2 351