一、分析
- 爬取对象:当当网 http://book.dangdang.com/
- 要求:获取三级类目的名称,并得到详情页书名和图片url
第一步 页面分析
- 需求:大分类 二级分类 三级分类 图书的名字和图片的src
- 大分类
- 整个大分类都在 div con flq_body 它下面的 div/dl/dt
- 1 在大分类中有一个span标签,但是源码中没有
- 2 有的大分类在dt标签下面还有一个a标签 /dt//text().extract()
获取dt标签下的全部文本
- 整个大分类都在 div con flq_body 它下面的 div/dl/dt
- 二级分类
- div level one --> dl class=“inner_dl” dt/text()
- 注意:1 有的大分类在dt标签下面还有一个a标签 /dt//text().extract()
- 三级分类
- dl class=“inner_dl” --> dd/a/text()
- 注意:图片的src images/model/guan/url_none.png 这个时候还是要看下源码
- data-original=“http://img3m0.ddimg.cn/95/11/27854240-1_b_14.jpg”