Python中的爬虫实战:豆瓣图书爬虫




import requests
from bs4 import BeautifulSoup
import csv
 
# 设置请求头,模拟浏览器访问
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3'}
 
def get_page(url):
    """发送请求,获取页面内容"""
    try:
        response = requests.get(url, headers=headers)
        if response.status_code == 200:
            return response.text
        return None
    except requests.RequestException:
        return None
 
def parse_page(html):
    """解析页面,提取图书信息"""
    soup = BeautifulSoup(html, 'lxml')
    book_list = soup.find('ul', class_='book-list')
    books = book_list.find_all('li')
    for book in books:
        yield {
            '书名': book.find('div', class_='info').h2.a.text.strip(),
            '作者': book.find('div', class_='info').find_all('a', class_='author')[-1].text.strip(),
            '平均分': book.find('div', class_='star').find('span', class_='rating_nums').text,
            '评论数': book.find('div', class_='star').find_next_sibling('a').text.strip('('),
            '缩略图': book.find('a', class_='image_book').find('img').get('src'),
            '状态': book.find('div', class_='info').find('span', class_='tag').text.strip(),
            '简介': book.find('p', class_='quote').text.strip()
        }
 
def save_to_csv(data):
    """将数据保存到CSV文件中"""
    with open('douban_books.csv', 'a', newline='', encoding='utf-8') as f:
        writer = csv.DictWriter(f, fieldnames=data.keys())
        writer.writerow(data)
 
def main(url):
    """主函数,控制流程"""
    html = get_page(url)
    for book in parse_page(html):
        print(book)
        save_to_csv(book)
 
if __name__ == '__main__':
    url = 'https://book.douban.com/tag/%E5%B0%8F%E8%AF%B4?start=0&type=T'
    main(url)

这段代码实现了一个简单的豆瓣图书爬虫。首先定义了请求头,用于模拟浏览器访问。get_page 函数负责发送请求并获取页面内容。parse_page 函数负责解析页面,提取图书信息。save_to_csv 函数负责将提取的数据保存到CSV文件中。最后,main 函数控制整个流程,通过传入URL来启动爬虫。

最后修改于:2024年08月13日 09:46

评论已关闭

推荐阅读

DDPG 模型解析,附Pytorch完整代码
2024年11月24日
DQN 模型解析,附Pytorch完整代码
2024年11月24日
AIGC实战——Transformer模型
2024年12月01日
Socket TCP 和 UDP 编程基础(Python)
2024年11月30日
python , tcp , udp
如何使用 ChatGPT 进行学术润色?你需要这些指令
2024年12月01日
AI
最新 Python 调用 OpenAi 详细教程实现问答、图像合成、图像理解、语音合成、语音识别(详细教程)
2024年11月24日
ChatGPT 和 DALL·E 2 配合生成故事绘本
2024年12月01日
omegaconf,一个超强的 Python 库!
2024年11月24日
【视觉AIGC识别】误差特征、人脸伪造检测、其他类型假图检测
2024年12月01日
[超级详细]如何在深度学习训练模型过程中使用 GPU 加速
2024年11月29日
Python 物理引擎pymunk最完整教程
2024年11月27日
MediaPipe 人体姿态与手指关键点检测教程
2024年11月27日
深入了解 Taipy:Python 打造 Web 应用的全面教程
2024年11月26日
基于Transformer的时间序列预测模型
2024年11月25日
Python在金融大数据分析中的AI应用(股价分析、量化交易)实战
2024年11月25日
AIGC Gradio系列学习教程之Components
2024年12月01日
Python3 `asyncio` — 异步 I/O,事件循环和并发工具
2024年11月30日
llama-factory SFT系列教程:大模型在自定义数据集 LoRA 训练与部署
2024年12月01日
Python 多线程和多进程用法
2024年11月24日
Python socket详解,全网最全教程
2024年11月27日