山东大学创新项目实训个人工作日志(十二)

主要实现了大河票务网的爬虫
在这里插入图片描述
大和票务网属于静态网页,主要采用分析源码的方式来获取信息。
在这里插入图片描述
首先通过’https://www.dahepiao.com/search_new?fenlei=2&keyword=’+keyword加入关键词进行搜索,查看网页源代码可以发现想要的信息是这一部分:
在这里插入图片描述
通过BeautifulSoup提取标签,特别是href,通过这一链接进入景点的详情页面:

		Ncity = city.replace('市', '').replace('县', '').replace('省', '')
        # 添加城市名,提高搜索精度
        url = 'https://www.dahepiao.com/search_new?fenlei=2&keyword='+Ncity+keyword
        # p = 1;
        try:
            html = self.getHtml(url)
            soup = BeautifulSoup(html,"html.parser")
            items = soup.find_all('a',{'class':'info-title'})
            for item in items:
                # 名称
                title = item['title']
                # 跳转链接
                href = item['href']
                # 进一步筛选
                result = fuzz.token_sort_ratio(title, keyword)
                if result <= 20:
                    continue
                detailhtml = self.getHtml(href)

进入详情页面之后,下图中这一部分就是想要爬取到的门票的信息:
在这里插入图片描述

如此,用BeautifulSoup根据类名查找到符合classname的标签即可:

                for tr in trs:
                    # 门票的详细描述
                    dis = tr.find('div',{'class':'link_text'}).find_all('p')
                    discription = ''
                    for di in dis:
                        discription = discription + di.text + '\n'
                    # 用try except包装,提高容错
                    try:
                        type= tr.find('td',{'class':'ptdname'}).text.replace('\n','').replace(' ','')
                    except:
                        type=''
                    try:
                        ttitle = tr.find('a',{'class':'ptlink'}).text.replace('订票须知','').replace('\n','').replace(' ','')
                    except:
                        ttitle = ''
                    try:
                        booktime = tr.find('dd',{'class':'ticket_bookingTime'}).string.replace('\n','').replace(' ','')
                    except:
                        booktime = ''
                    try:
                        price = tr.find('dd',{'class':'ticket_price'}).text.replace('¥', '').replace('\n','').replace(' ','')
                    except:
                        price = ''
                    tickets.setdefault(type,[])
                    tickets[type].append({'name':ttitle,'type':type,'price':price,'url':href,'buy':'','from':'大河票务网','isReturnable':'',
                                    'bookTime':booktime,'outTime':'','useTime':'','discription':discription})
                self.spotsInfo[title] = tickets
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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