- 柱状图展示不同价格区间的图书数量。
出版社排名图
- 折线图展示出版社的图书数量排名。
作者出书数量图
- 条形图展示作者的出书数量。
评论热力图
- 热力图展示图书评论的分布情况。
结论
通过对10万条当当图书网数据的采集和分析,我们能够深入理解当前图书市场的动态,为出版社、作者和读者提供有价值的市场洞察。
完整代码
def get\_page\_tree(url):
from requests.adapters import HTTPAdapter
page = requests.session()
page.mount('http://',HTTPAdapter(max_retries=80))
page.mount('https://',HTTPAdapter(max_retries=80))
page = page.request("GET",url=url,timeout=120)
print('page ' , page ,page.text)
tree = etree.HTML(page.text)
return tree
# xpath语法 获取li对象 因为li标签不只一个 所以用lis
def get\_lis(tree):
lis = tree.xpath('//\*[@id="search\_nature\_rg"]/ul/li')
return lis
def deal\_save(url , pressN,page_index):
global sum
global row
tree = get\_page\_tree(url)
# 获取到lis对象
lis = get\_lis(tree)
# time.sleep(random.randint(1,3))
print("正在爬取...", url)
# 遍历lis 返回index下标和item
try:
for c, i in enumerate(lis):
# 根据xpath规则提取图书标题
name = i.xpath('a/@title')
name = str(name[0])
name = name.strip()
# 根据xpath规则提取图书描述
desc = i.xpath('p[2]/text()')
# 根据xpath规则提取图书价格和该书电子书的价格
price_normal = i.xpath('p[3]/span[1]/text()') # 纸质书的价格
price_normal = price_normal[0]
price_net = i.xpath('p[3]/a/i/text()') # 电子书的价格
# 根据xpath规则提取图书的作者
author = i.xpath('p[@class="search\_book\_author"]/span[1]/a/text()') # 作者
if len(author) == 0:
author = '没有作者'
else:
author = author[0]
# 根据xpath规则提取图书出版时间
press_time = i.xpath('p[@class="search\_book\_author"]/span[2]/text()')
if len(press_time) == 0:
press_time = '出版时间为空'
else:
press_time = press_time[0][2:]
# 根据xpath规则提取图书出版社
press = i.xpath('p[@class="search\_book\_author"]/span[3]/a/text()')
if len(press) == 0:
press = '出版社为空'
else:
press = press[0]
if len(desc) != 0:
desc = desc[0]
else:
desc = "null"
if len(price_net) != 0:
price_net = price_net[0]
else:
price_net = "暂无电子书"
sum += 1
# 输出信息
print('第{}页--第{}条数据--累计爬取{}条:'.format(page_index, c, sum))
print('书名:《{}》'.format(name))
print('图书价格:{}'.format(price_normal))
print('电子书价格:{}'.format(price_net))
print('作者:{}'.format(author))
print('出版社:{}'.format(press))
print('出版时间:{}'.format(press_time))
print('\*' \* 25)
time.sleep(0.1)
# 保存信息
sheet.write(row, 0, name)
sheet.write(row, 1, desc)
sheet.write(row, 2 , price_normal)
sheet.write(row, 3 , price_net)
sheet.write(row, 4 , author)
sheet.write(row, 5 , press_time)
sheet.write(row, 6 , press)
row = row + 1
except Exception as e:
print(e)
# 主要爬虫程序 遍历给定出版社 所有的图书
def start (url , pressN):
# 获取page的etree
new_url = url.format(press_name, 1)
tree = get\_page\_tree(new_url)
# 获取该出版社展示图书总页数
total = tree.xpath('//\*[@id="12810"]/div[5]/div[2]/div/ul/li[9]/a/text()')[0]
print('{}一共{}页'.format(pressN,total))
# 全局变量的sum 总数
global sum
# time.sleep(2)
# 线程保存的数组
threads = [ ]
# 遍历所有页面 从1到total
for page_index in range(1, int(total) + 1):
time.sleep(0.2)
temp_url = url.format(pressN,page_index)
temp\_t = Thread(target=deal_save , args = ( temp_url,press_name,page_index, ))
threads.append(temp\_t)
temp\_t.start()
for index, t in enumerate(threads):
t.join()
if __name__ == '\_\_main\_\_':
# 通过file读取所有出版社 保存为list数组
s = time.time()
press = []
with open('Press.txt' , 'r' , encoding='utf-8') as f :
a = f.read()
f.close()
# 拆封数据
press = a.split('\n')
url = 'http://search.dangdang.com/?key={}&page\_index={}'
# 遍历所有出版社
for press_name in press:
start(url , press_name)
print('正在采集{}'.format(press_name))
end = time.time()
book.save('当当网图书汇总.xlsx')
print( '共花费:' ,str((end-s) ) , 's ,共计爬取:{}条'.format(sum))
**自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。**
**深知大多数Python工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!**
**因此收集整理了一份《2024年Python开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。**
![img](https://img-blog.csdnimg.cn/img_convert/c832257990e34528d758bcbd9d4481a3.png)
![img](https://img-blog.csdnimg.cn/img_convert/4071f1327cd28f9b9d1be2cd0e71cbda.png)
![img](https://img-blog.csdnimg.cn/img_convert/8a8932d2aef3941c7074e35fe00a2794.png)
![img](https://img-blog.csdnimg.cn/img_convert/9975a56b6ba08cddfac3367835b858db.png)
![img](https://img-blog.csdnimg.cn/img_convert/6c361282296f86381401c05e862fe4e9.png)
![img](https://img-blog.csdnimg.cn/img_convert/9f49b566129f47b8a67243c1008edf79.png)
**既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上前端开发知识点,真正体系化!**
**由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新**
**如果你觉得这些内容对你有帮助,可以扫码获取!!!(备注Python)**
8edf79.png)
**既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上前端开发知识点,真正体系化!**
**由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新**
**如果你觉得这些内容对你有帮助,可以扫码获取!!!(备注Python)**
<img src="https://img-community.csdnimg.cn/images/fd6ebf0d450a4dbea7428752dc7ffd34.jpg" alt="img" style="zoom:50%;" />