requests+re库爬取豆瓣图书TOP250

import requests
import re
import time

# 通用代码框架
def getHTMLText(url):
    headers = {
     'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.88 Safari/537.36',
     'Cookies':'ll="118209"; bid=2L02TY_GX4U; __utma=30149280.1282056899.1583758170.1583758170.1583758170.1; __utmc=30149280; __utmz=30149280.1583758170.1.1.utmcsr=(direct)|utmccn=(direct)|utmcmd=(none); __utmt=1; gr_user_id=383b4b10-d648-4a2b-8353-5cdb486d7c79; '
    }
    try:
        r = requests.get(url, headers=headers, timeout=30)
        r.raise_for_status()  # 如果状态不是200,引发HTTPError异常
        r.encoding = r.apparent_encoding
        return r.text
    except:
        return "产生异常"

def parse_one_page(html):
    pattern = re.compile('<table.*?pl2.*?title="(.*?)".*?pl.*?>(.*?)</p>.*?rating_nums.*?>(.*?)</span>.*?</table>',
                         re.S)
    items = re.findall(pattern, html)
    for item in items:
        yield {
            'title':item[0].strip(),
            'author': item[1].split('/')[0].strip(),
            'score': item[2].strip()
        }

def main(start):
    url = 'https://book.douban.com/top250?start=' + str(start)
    html = getHTMLText(url)
    for item in parse_one_page(html):
        print(item)

if __name__ == '__main__':
    for i in range(10):
        main(start = i * 25)
        time.sleep(1)
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