书趣阁玄幻排行榜二级页面数据采集

1、确认数据接口

2、分析页面结构,确定为静态页面

3、标签定位,拿详情页的url

3.1拼接详情页面url
    html = etree.HTML(html_one)
    # 获取详情页面url
    try:
        base_url_lists = html.xpath('.//div[@id="content"]/div[@class="cover"]/div')
        for base_url_list in base_url_lists:
            base_url = base_url_list.xpath('./div[2]/h2/a/@href')[0]
            detail_url = "https://m.22shuquge.com{}".format(base_url)
            get_detail_data(detail_url)
    except Exception as e:
        pass

4、进入详情页面,确认想要的数据位置,标签定位

5、数据采集

    html = etree.HTML(html_two)
    try:
        # 获取数据
        datas = html.xpath('//div[@id="content"]/div[@class ="cover"]/div/div[2]')
        for data in datas:
            book_name = data.xpath('.//h2/a/text()')[0]
            author = data.xpath('./p[3]/text()')[0]
            leibie = data.xpath('./p[4]/text()')[0].split(":")[1]
            zhuangtai = data.xpath('./p[5]/text()')[0].split(":")[1]
            gengxin = data.xpath('./p[6]/text()')[0].split(":")[1]
            book_dict = {
                'name': book_name
                , 'author': author
                , 'leibie': leibie
                , 'zhuangtan': zhuangtai
                , 'gengxin': gengxin
            }
            print(f"{book_dict}采集成功")
            # 保存数据
            # save(book_dict)
    except Exception as e:
        pass

6、数据存储

总结:本案例在于熟练掌握静态页面的标签定位和xpath的使用

  • 8
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值