豆瓣数据摘取

最新推荐文章于 2024-02-06 00:34:41 发布

Haywardwang

最新推荐文章于 2024-02-06 00:34:41 发布

阅读量112

点赞数

分类专栏：数据爬取(进攻学习)

本文链接：https://blog.csdn.net/Haywardwang/article/details/107674208

版权

数据爬取(进攻学习) 专栏收录该内容

3 篇文章 0 订阅

订阅专栏

豆瓣数据摘取

# -*-  codeing = utf-8 -*-

import sys   
# 进行网页解析
from bs4 import BeautifulSoup    
# 正则表达式，进行文字匹配
import re
# 制定 URL，获取网页数据
import urllib.error,urllib.request
# 进行Excel操作
import xlwt
# 进行SQLite数据库操作
import sqlite3


def main():
    baseurl = 'https://book.douban.com/top250?start='
    # 1、爬取网页
    datalist = getData(baseurl)
    savepath = '.\\豆瓣top250.xls'
    # 3、保存数据
    saveData(savepath)

    askURL('https://book.douban.com/top250?start=')

# 2、爬取网页
def getData(baseurl):
    datalist = []
    # 2.逐一解析数据
    return datalist

# 得到指定一个URL的网页内容
def askURL(url):
    head = {    # 模拟浏览器头部信息，想浏览器发送消息
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.97 Safari/537.36"
    }
    # 表示告诉豆瓣服务器，我们是什么类型的机器、浏览器（本质上是告诉浏览器，我们可以接受什么水平的文件内容）

request = urllib.request.Request(headers="User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.97 Safari/537.36")
html = ''
try:
    response = urllib.request.URLopen(request)
    hrml = response.read().decode('utf-8')
    print(hrml)
except urllib.error.URLError as e:
    if hasattr(e,'code'):
        print(e,'code')
    if hasattr(e,'reason'):
        print(e.reason)




# 保存数据
def saveData(savepath):
    print('save....')


 #当程序执行时,控制多个函数和流程，更清晰的控制主流程
if __name__ =='__main__':     
    # 调用函数
    main()