python爬虫06取当当网 Top 500 本五星好评书籍

主要思路

 

使用 page 变量来实现翻页

 

我们使用 requests 请求当当网

 

然后将返回的 HTML 进行正则解析

 

由于我们暂时还没学到数据库

 

所以解析完之后就把内容存到文件中

 

def main(page):
    url = \'http://bang.dangdang.com/books/fivestars/01.00.00.00.00.00-recent30-0-0-1-\' + str(page)
    html = request_dandan(url)
    items = parse_result(html) # 解析过滤我们想要的信息
    
    for item in items:
        write_item_to_file(item)

请求当当网

 

当我们请求成功之后

 

拿到源代码

 

def request_dandan(url):
    try:
        response = requests.get(url)
        if response.status_code == 200:
            return response.text
    except requests.RequestException:
        return None

 

 

拿到源代码了

 

就要对其解析

 

使用正则表达式获取我们想要的关键信息

 

获取到了之后我们封装一下数据

 

def parse_result(html):
    pattern = re.compile(\'<li>.*?list_num.*?(\d+).</div>.*?<img src="(.*?)".*?class="name".*?title="(.*?)">.*?class="star">.*?class="tuijian">(.*?)</span>.*?class="publisher_info">.*?target="_blank">(.*?)</a>.*?class="biaosheng">.*?<span>(.*?)</span></div>.*?<p><span\sclass="price_n">&yen;(.*?)</span>.*?</li>\',re.S)
    items = re.findall(pattern,html)
    for item in items:
        yield {
            \'range\': item[0],
            \'iamge\': item[1],
            \'title\': item[2],
            \'recommend\': item[3],
            \'author\': item[4],
            \'times\': item[5],
            \'price\': item[6]
        }

 

 

打印一下看看结果

 

for item in items:
        print(item)

 

可以看到这样的数据

现在我们获取的是第 1 页的数据

 

如何自动获取 25 页 500 条数据呢

 

来个 for 循环呗

 

if __name__ == "__main__":
    for i in range(1,26):
        main(i)

 

 

获取完 500 本书的数据之后

 

存到 book.txt 文件

 

 

def write_item_to_file(item):
    print(\'开始写入数据 ====> \' + str(item))
    with open(\'book.txt\', \'a\', encoding=\'UTF-8\') as f:
        f.write(json.dumps(item, ensure_ascii=False) + \'\n\')
        f.close()

 

 

完成

 

项目跑起来

 

 

 

打开我们存储的 book.txt 看

 

前 500 本书的数据就被我们拿到啦