思路
- 通过http加载要抓取的网页数据,并转化为DOM树
- 根据tag及class标识确定DOM树中相应节点,获取节点数据并存储到变量里
- 创建Excel表格,并激活
- 往表格添加存在变量里的数据
- 保存Excel表格
代码
import requests #requests是HTTP库
import re
from openpyxl import workbook # 写入Excel表所用
# from openpyxl import load_workbook # 读取Excel表所用
from bs4 import BeautifulSoup as bs #bs:通过解析文档为用户提供需要抓取的数据
import os
import io
import sys
sys.stdout = io.TextIOWrapper(sys.stdout.buffer,encoding='utf8') #改变标准输出的默认编码
#我们开始利用requests.get()来获取网页并利用bs4解析网页:
global ws
def getData(src, k, ws):
html = requests.get(src).text # requests.get(src)返回的是状态码<Response [200]>,加上.text以字节形式(二进制返回数据。 和前端一样,分为get post等 http://www.cnblogs.com/ranxf/p/7808537.html
soup = bs(html,'lxml') # lxml解析器解析字节形式的数据,得到完整的类似页面的html代码结构的数据
ul = soup.find('ul', class_ = 'bigimg')
bookNames = ul.find_all('p', class_="name")
authorNames = ul.find_all('p', class_="search_book_author")
prices = ul.find_all('span', class_="search_pre_price")
for i in range(len(bookNames)):
ws.append([(bookNames[i].text)[0:15], authorNames[i].find_all('a')[0].text, prices[i].text])
def laodData():
wb = workbook.Workbook()
ws = wb.active
ws.append(['书名','作者','价格'])
for k in list(range(1, 5)):
# print(k)
src = 'http://search.dangdang.com/?key=python&act=input&page_index=' + str(k) #当当网查找的图书列表
getData(src, k, ws)
wb.save('qinshi.xlsx')
if __name__ == '__main__':
laodData()