练习---爬取薄荷网所有食物卡路里，并分类放入excel中

最新推荐文章于 2023-09-04 10:45:50 发布

Croyance_M

最新推荐文章于 2023-09-04 10:45:50 发布

阅读量2.8k

点赞数 4

分类专栏：爬虫学习

本文链接：https://blog.csdn.net/Croyance_M/article/details/100668227

版权

该博客讲述了作者如何爬取薄荷网上的食物卡路里信息，为确保数据按类别分类，作者选择每次将每个大类的10页数据分别放入队列中，虽然效率较低但保证了数据的分类正确性。最终，这些数据被整理并存入了Excel的不同工作表中。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

首先薄荷网里有11种大的食物分类，每种大的食物分类里有10页，每页10个食物及热量记录。本来想把这一共110个url都放入queue队列中，然后爬取，但是这样会打乱食物的分类，所以就只把每个食物大类的10个页面每次放入queue中，这样保证大类不会错乱，但是会比将110个网页放入queue会慢很多。

然后按照每个大类分别放入excel中的不同表单中。

#爬取薄荷网十一大类食物的卡路里
from gevent import monkey
monkey.patch_all()
import gevent,requests,time,openpyxl,os
from gevent.queue import Queue
from bs4 import BeautifulSoup

start = time.time()

url = 'http://www.boohee.com/food/'
res = requests.get(url)
html = res.text
bs = BeautifulSoup(html,"html.parser")
urls = []  #装每种食物种类的url

li = bs.find(class_='row').find_all('li')  #每种食物大类的url
for f in li:  #f代表每种食物大类
    page_urls = []
    food_url = f.find(class_="img-box").find('a')['href']
    food_url = 'http://www.boohee.com'+food_url
    #food_url是每一种食物大类的url
    for i in range(1,11):
        page_