爬虫之爬取豆瓣图书的评论

from urllib import request
from bs4 import BeautifulSoup as bs

#爬取豆瓣最受关注图书榜
resp = request.urlopen(‘https://book.douban.com/chart?subcat=I‘)
html_data = resp.read().decode(‘utf-8‘)

#转化为BeautifulSoup对象
soup = bs(html_data,‘html.parser‘)

#搜索最受关注的图书列表
topchart_book =soup.find_all(‘ul‘,class_=‘chart-dashed-list‘)

#搜索列表中所有图书
topchart_book_list = topchart_book[0].find_all(‘li‘,class_=‘media clearfix‘)

#新建数组用于存放后续的数据
topchart_list = []

#遍历图书馆列表，从中过滤出我们所需的信息
for item in topchart_book_list:
    #新建字典用于存放我们的图书信息，之后可用class来存储
    topchart_dict = {}

    #搜索到具体信息的位置
    book_item = item.find(‘a‘,class_=‘fleft‘)

    #得到图书ID
    topchart_dict[‘id‘] = book_item[‘href‘].split(‘/‘)[4]   

    #得到图书名称
    topchart_dict[‘name‘] = book_item.getText().replace(‘\t‘,‘‘).replace(‘\n‘,‘‘).replace(‘ ‘,‘‘)  #图书名字
    
    #将图书信息加入到数组中
    topchart_list.append(topchart_dict)
# print(topchart_list)

#拼接出图书对应的详情页
requrl = ‘https://book.douban.com/subject/‘+topchart_list[0][‘id‘]+‘/comments/hot‘+‘?‘+‘p-1‘

#爬取热门第一页中的评论信息
resp = request.urlopen(requrl)
html_data = resp.read().decode(‘utf-8‘)
soup = bs(html_data,‘html.parser‘)

#搜索到评论所在div
comment_div_lits = soup.find_all(‘div‘,class_=‘comment‘)

#新建数组用于存放评论信息
eachCommentList = []

for item in comment_div_lits:
    if item.find_all(‘p‘)[0].string is not None:
        eachCommentList.append(item.find_all(‘p‘)[0].string)
print(eachCommentList)