码迷,mamicode.com
首页 > 编程语言 > 详细

Python 2.7_利用xpath语法爬取豆瓣图书top250信息_20170129

时间:2017-01-29 17:48:10      阅读:397      评论:0      收藏:0      [点我收藏+]

标签:网页   href   format   art   div   没有   top   bsp   item   

大年初二,忙完家里一些事,顺带有人交流爬取豆瓣图书top250

1、构造urls列表 urls=[‘https://book.douban.com/top250?start={}‘.format(str(i) for i in range(0, 226, 25))]

2、模块 requests获取网页源代码 lxml 解析网页 xpath提取

3、提取信息

4、可以封装成函数 此处没有封装调用

python代码:

#coding:utf-8
import sys
reload(sys)
sys.setdefaultencoding(‘utf-8‘)
from lxml import etree
import requests
urls=[‘https://book.douban.com/top250?start={}‘.format(str(i) for i in range(0, 226, 25))]
for url in urls:
    html=requests.get(url).content
    selector=etree.HTML(html)
    infos=selector.xpath(‘//tr[@class="item"]‘)
    for info in infos:
        book_name = info.xpath(‘td/div/a/@title‘)[0]
        book_url = info.xpath(‘td/div/a/@href‘)[0]
        published_infos = str(info.xpath(‘td/p/text()‘)[0])
        splitlistinfos = published_infos.split(‘/‘)
        #print splitlistinfos
        published_date=str(splitlistinfos[-2])
        #print published_date
        price = str(splitlistinfos[-1])
        #print price
        rate = info.xpath(‘td/div/span[2]/text()‘)[0]
        # comment_nums = info.xpath(‘td/div/span[3]/text()‘)[0]
        # print comment_nums
        comment_nums = info.xpath(‘td/div/span[3]/text()‘)[0].strip(‘(‘).strip().strip(‘)‘).strip().strip(‘人评价‘).strip() +‘人评价‘
        introduceinfo = info.xpath(‘td/p/span/text()‘)
        print book_name,book_url,published_date,price,rate,comment_nums,introduceinfo[0] if len(introduceinfo) > 0 else ‘‘

技术分享

 

 

Python 2.7_利用xpath语法爬取豆瓣图书top250信息_20170129

标签:网页   href   format   art   div   没有   top   bsp   item   

原文地址:http://www.cnblogs.com/Mr-Cxy/p/6357570.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!