使用selenium爬取餐厅信息

一 工具及平台介绍

使用python语言爬取
使用BeautifulSoup解析
爬取餐厅信息——大众点评某个地区的餐厅列表
导入到CSV文件夹下
使用谷歌浏览器

二 代码主要部分解析

1.使用的库:

from selenium import  webdriver
from bs4 import  BeautifulSoup
import  time
import  csv

2.根据url获取到网页的函数

def get_page(myurl):
    caps = webdriver.DesiredCapabilities().CHROME
    caps["marionette"] = False
    #进行设置不显示图片和js代码
    options = webdriver.ChromeOptions()
    prefers = {
        'profile.default_content_setting_values': {
            'images': 2,
            'javascript': 2
        }
    }
    options.add_experimental_option('prefs', prefers)
    browser = webdriver.Chrome(chrome_options=options,desired_capabilities=caps)
    browser.get(myurl)
    soup = BeautifulSoup(browser.page_source, "lxml")
    return  soup

3.解析获取网页的内容并存到csv文件中

def get_infors(soup):
    title_list = soup.find_all('div', class_='tit')
    for item in title_list:
        title = item.find('h4').text
        link = item.find('a')['href']
        name_list.append(title)
        link_list.append(link)
    infor_list = soup.find_all('div', class_='comment')
    for it in infor_list:
    #这里使用try是因为有些餐厅没有评论
        try:
            comment = it.find('a', class_='review-num').b.text
        except:
            comment = ''
        comment_list.append(comment)
        #这里使用try是因为有些餐厅没有显示人均消费价格
        try:
            price = it.find('a',class_='mean-price').b.text
        except:
            price = ''
        price_list.append(price)

    for addr in (soup.find_all('div', class_='tag-addr')):
        addr_list.append(addr.find('span', class_='addr').text)
    for i in range(1, len(title_list)):
        output_list.append([name_list[i], link_list[i], comment_list[i],price_list[i], addr_list[i]])
    return  output_list

三 网页完整代码

from selenium import  webdriver
from bs4 import  BeautifulSoup
from pymongo import MongoClient
import  time
import  csv


url = "http://www.dianping.com/shenzhen/ch10"
link_list = []#餐厅详细内容链接
name_list = []#餐厅名
addr_list = []#餐厅地址
comment_list = []#评论数
price_list = []#人均消费
output_list = []#所有内容

#获取餐厅网页
def get_page(myurl):
    caps = webdriver.DesiredCapabilities().CHROME
    caps["marionette"] = False
    options = webdriver.ChromeOptions()
    prefers = {
        'profile.default_content_setting_values': {
            'images': 2,
            'javascript': 2
        }
    }
    options.add_experimental_option('prefs', prefers)
    browser = webdriver.Chrome(chrome_options=options,desired_capabilities=caps)
    browser.get(myurl)
    soup = BeautifulSoup(browser.page_source, "lxml")
    return  soup



# 爬取餐厅的信息
def get_infors(soup):
    title_list = soup.find_all('div', class_='tit')
    for item in title_list:
        title = item.find('h4').text
        link = item.find('a')['href']
        name_list.append(title)
        link_list.append(link)
    infor_list = soup.find_all('div', class_='comment')
    for it in infor_list:
        try:
            comment = it.find('a', class_='review-num').b.text
        except:
            comment = ''
        comment_list.append(comment)
        try:
            price = it.find('a',class_='mean-price').b.text
        except:
            price = ''
        price_list.append(price)
    for addr in (soup.find_all('div', class_='tag-addr')):
        addr_list.append(addr.find('span', class_='addr').text)
    for i in range(1, len(title_list)):
        output_list.append([name_list[i], link_list[i], comment_list[i],price_list[i], addr_list[i]])
    return  output_list

#爬取1到30页的餐厅信息
for i in range(1, 30):
    if i == 1:
        url_link = url
    else:
         url_link = url+'/p'+str(i)
    mysoup = get_page(url_link)
    output_list = get_infors(mysoup)
    print(output_list[i])
#录入到csv文件里,文件路径可自行更改
    with open('F://restaurant.csv', 'a+', newline='') as csvfile:
        spamwriter = csv.writer(csvfile, dialect='excel')
        spamwriter.writerows(output_list)
        print("successfully")
    time.sleep(3)

结果

爬取信息
表格头部是爬取后是自己加进去的,便于理解

  • 0
    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