热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

xlwt在爬虫中的实战(爬取豆瓣图书)

爬虫相关知识请阅读我的其他文章importreimportxlwtimportrequestsfrombs4importBeautifulSoupdefgetHtml(ur

爬虫相关知识请阅读我的其他文章

import re
import xlwt
import requests
from bs4 import BeautifulSoupdef getHtml(url):# 构造请求头headers &#61; {&#39;User-Agent&#39;: &#39;Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:56.0) Gecko/20100101 Firefox/56.0&#39;}page &#61; requests.get(url, headers&#61;headers)html &#61;page.textreturn htmlif __name__&#61;&#61;&#39;__main__&#39;:# 创建workbookWorkbook &#61; xlwt.Workbook()# 创建worksheetsheet &#61; Workbook.add_sheet(&#39;豆瓣图书Top250&#39;, cell_overwrite_ok&#61;True)sheet.write(0,0,&#39;书名&#39;)sheet.write(0,1,&#39;作者&#39;)sheet.write(0,2,&#39;译者&#39;)sheet.write(0,3,&#39;出版单位&#39;)sheet.write(0,4,&#39;出版时间&#39;)sheet.write(0,5,&#39;定价&#39;)sheet.write(0,6,&#39;豆瓣评分&#39;)sheet.write(0,7,&#39;评价人数&#39;)sheet.write(0,8,&#39;一句话&#39;)i &#61; 1j &#61; 1k &#61; 1m &#61; 1# 循环翻页for page in range(0,250,25):url &#61; &#39;https://book.douban.com/top250?start&#61;{0}&#39;.format(page)html &#61; getHtml(url)# beautiful对象Soup &#61; BeautifulSoup(html,&#39;html.parser&#39;)names &#61; Soup.find_all(&#39;div&#39;,class_ &#61; &#39;pl2&#39;)for name in names:book &#61; name.find(&#39;a&#39;)book &#61; book.text.strip()book &#61; book.replace(&#39; &#39;,&#39;&#39;)sheet.write(i,0,book)i &#43;&#61; 1Infos &#61; Soup.find_all(&#39;p&#39;,class_ &#61; &#39;pl&#39;)for Info in Infos:r &#61; 1authorinfo &#61; Info.textauthors &#61; authorinfo.split(&#39;/&#39;)if len(authors) < 4:sheet.write(j,1,authors[0])sheet.write(j,2,authors[1])sheet.write(j,3,authors[2])j &#43;&#61; 1continuesheet.write(j,1,authors[0])if authorinfo.count(&#39;/&#39;) &#61;&#61; 4:sheet.write(j,2,authors[r])r &#43;&#61; 1sheet.write(j,3,authors[r])sheet.write(j,4,authors[r&#43;1])sheet.write(j,5,authors[r&#43;2])j &#43;&#61; 1rating_nums &#61; Soup.find_all(&#39;div&#39;,class_ &#61; &#39;star clearfix&#39;)for rating in rating_nums:star &#61; rating.find_all(&#39;span&#39;)sheet.write(k,6,star[1].text)reg &#61; r&#39;\d&#43;&#39;vote &#61; re.findall(reg,star[2].text)sheet.write(k,7,vote)k &#43;&#61; 1quotes &#61; Soup.find_all(&#39;p&#39;,class_ &#61; &#39;quote&#39;)for quote in quotes:sheet.write(m,8,quote.text)m &#43;&#61; 1Workbook.save(&#39;豆瓣图书Top250.xls&#39;)

在这里插入图片描述


推荐阅读
  • 本文介绍了如何使用Python爬取妙笔阁小说网仙侠系列中所有小说的信息,并将其保存为TXT和CSV格式。主要内容包括如何构造请求头以避免被网站封禁,以及如何利用XPath解析HTML并提取所需信息。 ... [详细]
  • vue引入echarts地图的四种方式
    一、vue中引入echart1、安装echarts:npminstallecharts--save2、在main.js文件中引入echarts实例:  Vue.prototype.$echartsecharts3、在需要用到echart图形的vue文件中引入:   importechartsfrom&amp;quot;echarts&amp;quot;;4、如果用到map(地图),还 ... [详细]
  • 阿里云 Aliplayer高级功能介绍(八):安全播放
    如何保障视频内容的安全,不被盗链、非法下载和传播,阿里云视频点播已经有一套完善的机 ... [详细]
  • Cookie学习小结
    Cookie学习小结 ... [详细]
  • python模块之正则
    re模块可以读懂你写的正则表达式根据你写的表达式去执行任务用re去操作正则正则表达式使用一些规则来检测一些字符串是否符合个人要求,从一段字符串中找到符合要求的内容。在 ... [详细]
  • 本文节选自《NLTK基础教程——用NLTK和Python库构建机器学习应用》一书的第1章第1.2节,作者Nitin Hardeniya。本文将带领读者快速了解Python的基础知识,为后续的机器学习应用打下坚实的基础。 ... [详细]
  • 利用python爬取豆瓣电影Top250的相关信息,包括电影详情链接,图片链接,影片中文名,影片外国名,评分,评价数,概况,导演,主演,年份,地区,类别这12项内容,然后将爬取的信息写入Exce ... [详细]
  • 网站访问全流程解析
    本文详细介绍了从用户在浏览器中输入一个域名(如www.yy.com)到页面完全展示的整个过程,包括DNS解析、TCP连接、请求响应等多个步骤。 ... [详细]
  • java解析json转Map前段时间在做json报文处理的时候,写了一个针对不同格式json转map的处理工具方法,总结记录如下:1、单节点单层级、单节点多层级json转mapim ... [详细]
  • SvpplyTable: 实现可扩展和可折叠的菜单动画
    SvpplyTable 是一个示例项目,旨在实现类似 Svpply 应用程序中的可扩展和可折叠的菜单动画效果。该项目托管在 GitHub 上,地址为 https://github.com/liuminqian/SvpplyTable。 ... [详细]
  • HTTP(HyperTextTransferProtocol)是超文本传输协议的缩写,它用于传送www方式的数据。HTTP协议采用了请求响应模型。客服端向服务器发送一 ... [详细]
  • 2022年2月 微信小程序 app.json 配置详解:启用调试模式
    本文将详细介绍如何在微信小程序的 app.json 文件中启用调试模式(debug),并通过实际案例展示其配置方法和应用场景。 ... [详细]
  • 为什么多数程序员难以成为架构师?
    探讨80%的程序员为何难以晋升为架构师,涉及技术深度、经验积累和综合能力等方面。本文将详细解析Tomcat的配置和服务组件,帮助读者理解其内部机制。 ... [详细]
  • Spring Boot 中配置全局文件上传路径并实现文件上传功能
    本文介绍如何在 Spring Boot 项目中配置全局文件上传路径,并通过读取配置项实现文件上传功能。通过这种方式,可以更好地管理和维护文件路径。 ... [详细]
  • Ihavetwomethodsofgeneratingmdistinctrandomnumbersintherange[0..n-1]我有两种方法在范围[0.n-1]中生 ... [详细]
author-avatar
无石笑_987
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有