爬虫小练习---爬药网数据

1、药网数据爬取:
url:https://www.111.com.cn/categories/953710?tp=10-1
要求:抓取50页
字段:总价,描述,评论数量,详情页链接
用正则爬取。
代码如下

import re,requests,json

base_url='https://www.111.com.cn/categories/953710?-j%s.html'
# https://www.111.com.cn/categories/953710-j7.html
headers={
    'user-agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.86 Safari/537.36'
}
info=[]
for i in range(1,51):
    item={}
    # 总价,描述,评论数量,详情页链接
    response = requests.get(base_url %i, headers=headers)
    # print(response.text)
    ul_pattern=re.compile('<ul id="itemSearchList" class="itemSearchList">(.*?)</ul>',re.S)
    ul_content=ul_pattern.search(response.text)
    if ul_content:
        ul_content=ul_content.group(1)
        # print(ul_content)
    li_pattern =re.compile(r'<li id="producteg_(.*?)</li>',re.S)
    li_content =li_pattern.findall(ul_content)
    # print(li_content)
    # print(type(li_content))
    for li in li_content:
    #爬取总价
        price_pattern = re.compile(r'<span>(.*?)</span>',re.S)
        price_content= price_pattern.search(li)
        if price_content:
            price_content = price_content.group(1).strip()
        # print(price_content)
    #爬取描述
        detail_pattern = re.compile(r'<span class=" list_lable_self"></span>(.*?)</a>',re.S)
        detail_content = detail_pattern.search(li)
        if detail_content:
            detail_content=detail_content.group(1).strip()
        # print(detail_content)
    #爬取评论数量
        commit_pattern = re.compile(r'评论 <em>(.*?)</em>条</a>',re.S)
        commit_content = commit_pattern.search(li)
        if commit_content:
            commit_content = commit_content.group(1).strip()
        # print(commit_content)
    #爬取详情连接
        xq_pattern = re.compile('href="//(.*?)" target="_blank"',re.S)
        xq_content = xq_pattern.search(li)
        if xq_content:
            xq_content = xq_content.group(1).strip()
        # print(xq_content)
        item['price_content']=price_content
        item['detail_content']=detail_content
        item['commit_content']=commit_content
        item['xq_content']=xq_content
        info.append(item)
with open('haha.json','w',encoding='utf-8') as fp:
    json.dump(info,fp)

经验总结:在使用正则时尽量多匹配字符,这样能够精确匹配,否则数据容易混淆

基于网络爬虫取药源网药物数据python源码+项目说明(搭建药品数据库,含中成药和化学药品信息共计10万余条).zip基于网络爬虫取药源网药物数据python源码+项目说明(搭建药品数据库,含中成药和化学药品信息共计10万余条).zip基于网络爬虫取药源网药物数据python源码+项目说明(搭建药品数据库,含中成药和化学药品信息共计10万余条).zip基于网络爬虫取药源网药物数据python源码+项目说明(搭建药品数据库,含中成药和化学药品信息共计10万余条).zip基于网络爬虫取药源网药物数据python源码+项目说明(搭建药品数据库,含中成药和化学药品信息共计10万余条).zip基于网络爬虫取药源网药物数据python源码+项目说明(搭建药品数据库,含中成药和化学药品信息共计10万余条).zip基于网络爬虫取药源网药物数据python源码+项目说明(搭建药品数据库,含中成药和化学药品信息共计10万余条).zip 【资源说明】 1、该资源内项目代码都是经过测试运行成功,功能正常的情况下才上传的,请放心下载使用。 2、适用人群:主要针对计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、数学、电子信息等)的同学或企业员工下载使用,具有较高的学习借鉴价值。 3、不仅适合小白学习实战练习,也可作为大作业、课程设计、毕设项目、初期项目立项演示等,欢迎下载,互相学习,共同进步!
十二药网的具体页面布局代码通常涉及到前端网页开发技术,如HTML、CSS和JavaScript,特别是响应式设计框架(如Bootstrap)。为了理解页面布局,我们可以将其分解为几个部分: 1. **HTML结构**:基本的HTML元素(如`<header>`, `<nav>`, `<main>`, `<section>`和`<footer>`等)会被用来构建页面的基本架构,包括头部、导航栏、主要内容区域和页脚。 ```html <!DOCTYPE html> <html lang="zh"> <head> <link rel="stylesheet" href="styles.css"> </head> <body> <header> <!-- 导航栏内容 --> </header> <main> <section class="container"> <!-- 主要内容区域 --> </section> </main> <footer> <!-- 页脚信息 --> </footer> </body> </html> ``` 2. **CSS样式**:`styles.css`文件会包含选择器(如`.container`, `.sidebar`, `.content`等)和属性,定义页面的颜色、字体、间距、布局等视觉效果。例如,使用Flexbox或Grid布局来控制各部分的排列。 ```css .container { display: flex; justify-content: space-between; } .sidebar { width: 200px; } .content { flex-grow: 1; } ``` 3. **JavaScript**(如果需要):可能会有交互式的组件,比如轮播图、动态加载内容等,通过事件监听和DOM操作来实现。 请注意,实际的代码会根据十二药网的设计规范和具体的项目需求有所差异,并且这部分代码通常是开发者内部维护的,不会公开。如果你对这部分感兴趣,建议学习前端开发并查看相关项目的源码。
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