准备搞事情之豆瓣爬虫篇
接到一个任务要做一个关于豆瓣的爬虫,那首先我们需要确定目标是谁,那就是下面这个网址:
https://book.douban.com/top250
很完美的一个网址,主网址后面加上站名,emmmm……似乎可以渗透测试一些……
醒醒!醒醒!
那么回到正确的路线上来~
第一步
当然是确定需求了,谁也不希望经历被产品经理在中间改需求的悲惨遭遇。
因为很喜欢这种黑色的背景,所以需求也写在这里了
需求:
使用Python语言制作如下功能
创建个数据库
使用网络爬虫爬取豆瓣250大图书排行榜
爬回前100名的图书的信息,并记录在数据库中需要记录每本书的书名、作者、出版社、封面图像连接、短评
每笔数据限用一笔数据多个栏位,每笔数据的ID要设定为Primary Key ,值使用每本书的豆瓣链接位置
第二步
当然是分析网页了,不要问,不要说,一切尽在不言中~
F12直接打开网页代码
我就直接贴出来了,吼吼吼吼
<p class="ulfirst"></p>
<table width="100%">
<tr class="item">
<td width="100" valign="top">
<a class="nbg" href="https://book.douban.com/subject/1007305/"
onclick="moreurl(this,{i:'0'})"
>
<img src="https://img1.doubanio.com/view/subject/s/public/s1070959.jpg" width="90" />
</a>
</td>
<td valign="top">
<div class="pl2">
<a href="https://book.douban.com/subject/1007305/" onclick="moreurl(this,{i:'0'})" title="红楼梦"
>
红楼梦
</a>
</div>
<p class="pl">[清] 曹雪芹 著 / 人民文学出版社 / 1996-12 / 59.70元</p>
<div class=