python爬取豆瓣图书top250_「豆瓣读书250」爬取豆瓣TOP250书单 - seo实验室

豆瓣读书250

小白学习爬虫

爬取豆瓣TOP250的书，正好本人也喜欢看书

思路分析：

https://book.douban.com/top250这是TOP250第一页的链接

https://book.douban.com/top250?start=25第二页的链接

https://book.douban.com/top250?start=50第三页的链接

将第一页链接改为https://book.douban.com/top250?start=0也是可以访问的，每一页数字加25，构建10页网址

代码如下：

urls = ['https://book.douban.com/top250?start={}'.format(str(i))

for i in range(0,250,25)]

获取的书单信息包括：书名，详细链接，作者，出版社，出版时间，价格，评分和简评

详细代码如下：

import requests

from lxml import etree

import csv

headers = {

'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36'

}

f = open('C:/Users/qinhan/Desktop/doubanbook.scv','wt',newline='',encoding='utf-8')

writer = csv.writer(f)

writer.writerow(('name','url','author','publisher','data','price','rate','comment'))#创建csv

urls = ['https://book.douban.com/top250?start={}'.format(str(i))

for i in range(0,250,25)]

for url in urls:

html = requests.get(url,headers = headers)#加入请求头

selector = etree.HTML(html.text)

infos = selector.xpath('//tr[@class="item"]') #取大标签（1）

for info in infos:

name = info.xpath('td/p/a/@title')[0]

url = info.xpath('td/p/a/@href')[0]

book_info = info.xpath('td/p/text()')[0] #/text()获取标签中文字信息

author = book_info.split('/')[0]

publisher = book_info.split('/')[-3]

data = book_info.split('/')[-2]

price = book_info.split('/')[-1] #（2）

rate = info.xpath('td/p/span[2]/text()')[0]

comments = info.xpath('td/p/span/text()')

comment = comments[0] if len(comments) != 0 else "空"

writer.writerow((name,url,author,publisher,data,price,rate,comment))

f.close()

（1）大标签

先抓大后抓小，找到循环点，这里循环点即为：

//tr[@class="item         #选取所有tr元素，且这些元素拥有值为item的class属性

（2）最初想的是0 1 2 3

author = book_info.split('/')[0]

publisher = book_info.split('/')[1]

data = book_info.split('/')[2]

price = book_info.split('/')[3]

结果保存下来如图:

这里犯了想当然的错误，不是所有的都是按作者，出版社，出版时间和价格排列的，作者一栏还有翻译作者如图：

故1，2，3，4肯定有错，而1，-3，-2，-1则没问题

相关阅读

背景：

近期刚看完电视剧《白鹿原》。”自信平生无愧事，死后方敢对青天“的白嘉轩虽显执拗，但仍令人倾服，朱先生提到的“凡物之骤为之

豆瓣、知乎、贴吧用户心理，你有什么样的理解？在分析心理之前先说说产品体验。对于豆瓣：文青的聚集地，一般我平时看电影和买书之前我会

2)兴趣社交的鼻祖，内容让用户产生链接作为一个内容社区 App，留存是非常重要的。毕竟，你不留，我不留，豆瓣评分没法有......而社交关系，恰

一谈到世界上最恐怖的鬼片，一些朋友只能列出传的最为广泛的午夜凶铃与咒怨，其实世界上最恐怖的鬼片有很多，数也数不过来。都知道泰国

谍战剧是很受欢迎的一种电视剧类型，谍战剧尤其是受到中老年人的喜爱，谍战剧以其独特的悬疑和充满紧张刺激扣人心弦的剧情，吸引着观众