python 爬取当当网图书榜

首先查看当当网好评书单页面,找到翻页的URL参数

直接用requests请求页面

resp = requests.get(url)

 

找到想要的信息,使用正则表达式把这些信息提取出来

pattern=re.compile('list_num.*?(\d+).<.*?<img src="(.*?)".*?title="(.*?)".*?tuijian">(.*?)</span>.*?title="(.*?)".*?<span>(\d{4}-\d{2}-\d{2}).*?(\d+)次.*?price_n">&yen;(.*?)</span>.*?price_r">&yen;(.*?)</span>',re.S)
items = re.findall(pattern,html)

打印出来看看是否提取到

把信息保存下来就可以了

完整代码如下

import requests
import re
import json
def get_html(url):
    try:
        resp = requests.get(url)
        return resp.text
    except requests.RequestException:
        return None
def parse_html(html):
    
    pattern=re.compile('list_num.*?(\d+).<.*?<img src="(.*?)".*?title="(.*?)".*?tuijian">(.*?)</span>.*?title="(.*?)".*?<span>(\d{4}-\d{2}-\d{2}).*?(\d+)次.*?price_n">&yen;(.*?)</span>.*?price_r">&yen;(.*?)</span>',re.S)
    items = re.findall(pattern,html)
    for item in items:
        yield{
            'range': item[0],
            'iamge': item[1],
            'title': item[2],
            'recommend': item[3],
            'author': item[4],
            'time': item[5],
            'fiveStar':item[6],
            'price_r': item[7],
            'price_n':item[8]
            
        }

baseUrl = 'http://bang.dangdang.com/books/fivestars/01.00.00.00.00.00-recent30-0-0-1-' 
for i in range(1,26):
    url=baseUrl+str(i)
    html = get_html(url)
    items=parse_html(html)
    print("处理第{}页".format(i))
    with open("res5.txt","a",encoding="utf-8")as f:
        for item in items:
            #print(item)
            f.write(json.dumps(item,ensure_ascii=False) + '\n')
        f.close()

  • 3
    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