Python 2.7_利用xpath语法爬取豆瓣图书top250信息_20170129
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Python 2.7_利用xpath语法爬取豆瓣图书top250信息_20170129相关的知识,希望对你有一定的参考价值。
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 ‘‘
以上是关于Python 2.7_利用xpath语法爬取豆瓣图书top250信息_20170129的主要内容,如果未能解决你的问题,请参考以下文章
Python 2.7_First_try_爬取阳光电影网_20161206