Scrapy爬虫爬取当当网图书畅销榜

Posted 2020-11-17 jclian91

??本次将会使用Scrapy来爬取当当网的图书畅销榜，其网页截图如下：

??我们的爬虫将会把每本书的排名，书名，作者，出版社，价格以及评论数爬取出来，并保存为csv格式的文件。项目的具体创建就不再多讲，可以参考上一篇博客，我们只需要修改items.py文件，以及新建一个爬虫文件BookSpider.py.
??items.py文件的代码如下，用来储存每本书的排名，书名，作者，出版社，价格以及评论数。

import scrapy

class BookspiderItem(scrapy.Item):
    rank = scrapy.Field()
    name = scrapy.Field()
    author = scrapy.Field()
    press = scrapy.Field()
    price = scrapy.Field()
    comments = scrapy.Field()

??BookSpider.py代码如下，用来具体地爬取数据。

import scrapy
from scrapy.selector import Selector
from bookSpider.items import BookspiderItem

class bookSpider(scrapy.Spider):
    name = ‘bookScrapy‘
    start_urls = [‘http://bang.dangdang.com/books/bestsellers/01.00.00.00.00.00-recent7-0-0-1-%d‘%i for i in range(1,26)]

    def parse(self, response):
        item = BookspiderItem()
        sel = Selector(response)
 
        book_list = response.css(‘ul.bang_list.clearfix.bang_list_mode‘).xpath(‘li‘)
 
        for book in book_list:
            item[‘rank‘] = book.css(‘div.list_num‘).xpath(‘text()‘).extract_first()
            item[‘name‘] = book.css(‘div.name‘).xpath(‘a/text()‘).extract_first()
            item[‘author‘] = book.css(‘div.publisher_info‘)[0].xpath(‘a/text()‘).extract_first()
            item[‘press‘] = book.css(‘div.publisher_info‘)[1].xpath(‘a/text()‘).extract_first()
            item[‘price‘] = book.css(‘span.price_n‘).xpath(‘text()‘).extract_first()
            item[‘comments‘] = book.css(‘div.star‘).xpath(‘a/text()‘).extract_first()
            
            yield item

??代码就是这么简单，哈哈，别忘了在settings.py中将设置“ROBOTSTXT_OBEY = False”.
??整个项目就是这样啦，最后，我们运行命令

scrapy crawl bookScrapy -o dangdang.csv -t csv

这样就会把刚才爬取的数据保存为dangdang.csv，该文件在spiders目录下。

??打开dangdang.csv，其中的部分内容如下：

??我们可以发现，书的信息不是有序储存的，但还是达到了笔者的要求，怎么样，是不是觉得Scrapy简单又使用呢？强大的Scrapy!

注意：本人现已开通两个微信公众号： 因为Python（微信号为：python_math）以及轻松学会Python爬虫（微信号为：easy_web_scrape）， 欢迎大家关注哦~~