欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

selenium+PhantomJS爬取豆瓣讀書

 更新時(shí)間:2019年08月26日 17:18:57   作者:douyaoxin  
這篇文章主要為大家詳細(xì)介紹了selenium+PhantomJS爬取豆瓣讀書,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下

本文實(shí)例為大家分享了selenium+PhantomJS爬取豆瓣讀書的具體代碼,供大家參考,具體內(nèi)容如下

獲取關(guān)于Python的全部書籍信息;
通過(guò)代碼測(cè)試 request攜帶‘User-Agent'及 ‘data'數(shù)據(jù)信息的方式均無(wú)法獲取到相關(guān)信息,獲取數(shù)據(jù)時(shí),部分?jǐn)?shù)據(jù)為空,導(dǎo)致獲取過(guò)程中報(bào)錯(cuò),無(wú)法獲取全部數(shù)據(jù),初步判定豆瓣讀書的反爬機(jī)制較為嚴(yán)格;通過(guò)selenium 模擬瀏覽器請(qǐng)求的方法測(cè)試后發(fā)現(xiàn),可利用 selenium 方法請(qǐng)求獲取數(shù)據(jù);

#導(dǎo)入需要的模塊
from selenium import webdriver
import time
from lxml import etree
import pymysql
import re

#創(chuàng)建一個(gè)函數(shù)
def my_browers(url, page):

  # 獲取瀏覽器對(duì)象
  browers = webdriver.PhantomJS(executable_path=r'd:\Desktop\pythonjs\phantomjs-2.1.1-windows\bin\phantomjs.exe')
  
  # 用瀏覽器發(fā)起請(qǐng)求
  browers.get(url)
  
  #休息兩秒,頻率低一點(diǎn),爬的時(shí)間久一點(diǎn),安全就多一點(diǎn)
  time.sleep(2)
  
   # 獲取頁(yè)面信息
  html = browers.page_source
  
  # 調(diào)用頁(yè)面解析函數(shù)
  parse_html(html)
  
# 解析頁(yè)面信息
def parse_html(html):

  # 生成一個(gè)xpath對(duì)象
  html = etree.HTML(html)

  # 獲取所有的書籍信息列表
  books = html.xpath('//div[contains(@class,"sc-bZQynM")]')

  # 遍歷每一本書籍 然后拿到我們想要的數(shù)據(jù)
  for book in books:
    # 創(chuàng)建一個(gè)存書字典存數(shù)據(jù)用
    book_dict = {}

    # 獲取封面信息
    pic = book.xpath('//img/@src')
    if pic:
      book_dict['pic'] = pic[0]
    else:
      book_dict['pic'] = ''
    # print(pic)

    # 獲取書名
    book_name = book.xpath('//div[@class="title"]/a/text()')
    # print(book_name)
    if book_name:
      book_name = book_name[0]
      # 刪除書名中最后出現(xiàn)的引號(hào),
      #由于存數(shù)據(jù)庫(kù)的時(shí)候書名最后面的引號(hào)會(huì)導(dǎo)致數(shù)據(jù)庫(kù)報(bào)錯(cuò),刪除可以使代碼更健壯
      if '"' in book_name:
        pattern = re.compile(r'"')
        book_name = pattern.sub('', book_name)
      if "'" in book_name:
        pattern = re.compile(r"'")
        book_name = pattern.sub('', book_name)
        # 刪除書名中最后出現(xiàn)的\,存數(shù)據(jù)的時(shí)候書名最后的\會(huì)把sql語(yǔ)句最后的引號(hào)轉(zhuǎn)義,
        #刪除可以使代碼更健壯
      if '\\' in book_name:
        book_name = book_name[:-1]
      book_dict['book_name'] = book_name
    else:
      book_dict['book_name'] = ''

    # 獲取書籍詳情連接
    book_url = book.xpath('//div[@class="title"]/a/@href')
    if book_url:
      book_dict['book_url'] = book_url[0]
    else:
      book_dict['book_url'] = ''

    # 獲取評(píng)分信息
    score_book = book.xpath('//span[@class="rating_nums"]/text()')
    if score_book:
      book_dict['score_book'] = score_book[0]
    else:
      book_dict['score_book'] = ''

    # 獲取出版社信息
    book_detail = book.xpath('//div[@class="meta abstract"]/text()')
    if book_detail:
      # 刪除書詳情中最后出現(xiàn)的引號(hào);
      book_detail = book_detail[0]
      if "'" in book_detail:
        pattern = re.compile(r"'")
        book_detail = pattern.sub('', book_detail)

      book_dict['book_detail'] = book_detail
    else:
      book_dict['book_detail'] = ''
    print(book_dict)

    # 調(diào)用數(shù)據(jù)庫(kù)函數(shù)
    insert_mysql(book_dict)

# 插入數(shù)據(jù)庫(kù)
def insert_mysql(book_dict):
  # 連接數(shù)據(jù)庫(kù)
  conn = pymysql.connect('localhost', 'root', 'root', 'test', charset='utf8')

  # 創(chuàng)建操作數(shù)據(jù)庫(kù)的對(duì)象
  cursor = conn.cursor()

  pic = book_dict['pic']
  book_name = book_dict['book_name']
  book_url = book_dict['book_url']
  score = book_dict['score_book']
  book_detail = book_dict['book_detail']

  sql = f"insert into python_book (pic,book_name,book_url,score,book_detail) " \
     f"VALUE ('{pic}','{book_name}','{book_url}','{score}','{book_detail}')"

  # 執(zhí)行并提交
  cursor.execute(sql)
  conn.commit()


if __name__ == '__main__':
  for i in range(0, 199):
    print('=================下載第{}頁(yè)========================'.format(i + 1))
    page = i * 15
    base_url = 'https://book.douban.com/subject_search?search_text=python&cat=1001&start={}'.format(page)
    my_browers(base_url, page)

以上就是本文的全部?jī)?nèi)容,希望對(duì)大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。

相關(guān)文章

  • Python+Django實(shí)現(xiàn)簡(jiǎn)單HelloWord網(wǎng)頁(yè)的示例代碼

    Python+Django實(shí)現(xiàn)簡(jiǎn)單HelloWord網(wǎng)頁(yè)的示例代碼

    本文主要介紹了Python+Django實(shí)現(xiàn)簡(jiǎn)單HelloWord網(wǎng)頁(yè)的示例代碼,文中通過(guò)示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下
    2022-04-04
  • Pytorch中TensorBoard及torchsummary的使用詳解

    Pytorch中TensorBoard及torchsummary的使用詳解

    這篇文章主要介紹了Pytorch中TensorBoard及torchsummary的使用詳解,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
    2021-05-05
  • OpenCV灰度化之后圖片為綠色的解決

    OpenCV灰度化之后圖片為綠色的解決

    這篇文章主要介紹了OpenCV灰度化之后圖片為綠色的解決,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧
    2020-12-12
  • Python中的super用法詳解

    Python中的super用法詳解

    這篇文章主要介紹了Python中的super用法詳解,本文講解了關(guān)于super問(wèn)題的發(fā)現(xiàn)與提出、走進(jìn)Python的源碼世界分析super的實(shí)現(xiàn)、延續(xù)的討論super等內(nèi)容,需要的朋友可以參考下
    2015-05-05
  • 解決pycharm界面不能顯示中文的問(wèn)題

    解決pycharm界面不能顯示中文的問(wèn)題

    今天小編就為大家分享一篇解決pycharm界面不能顯示中文的問(wèn)題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
    2018-05-05
  • 一文帶你探尋Python中的裝飾器

    一文帶你探尋Python中的裝飾器

    這篇文章就來(lái)和大家詳細(xì)講一講Python中裝飾器的相關(guān)知識(shí),文中的示例代碼講解詳細(xì),對(duì)我們深入了解Python有一定的幫助,感興趣的可以了解一下
    2023-04-04
  • Python調(diào)用百度AI實(shí)現(xiàn)圖片上表格識(shí)別功能

    Python調(diào)用百度AI實(shí)現(xiàn)圖片上表格識(shí)別功能

    這篇文章主要給大家介紹了關(guān)于Python調(diào)用百度AI實(shí)現(xiàn)圖片上表格識(shí)別功能的相關(guān)資料,在Python環(huán)境下,利用百度AI開放平臺(tái)文字識(shí)別技術(shù),對(duì)表格類圖片進(jìn)行識(shí)別,需要的朋友可以參考下
    2021-09-09
  • Django 項(xiàng)目通過(guò)加載不同env文件來(lái)區(qū)分不同環(huán)境

    Django 項(xiàng)目通過(guò)加載不同env文件來(lái)區(qū)分不同環(huán)境

    這篇文章主要介紹了Django 項(xiàng)目如何通過(guò)加載不同env文件來(lái)區(qū)分不同環(huán)境,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧
    2020-02-02
  • Python中的取整、取余運(yùn)算方法

    Python中的取整、取余運(yùn)算方法

    數(shù)據(jù)處理是編程中不可避免的,很多時(shí)候都需要根據(jù)需求把獲取到的數(shù)據(jù)進(jìn)行處理,取整則是最基本的數(shù)據(jù)處理。取整的方式則包括向下取整、四舍五入、向上取整等等,這篇文章主要介紹了Python中的取整、取余運(yùn)算,需要的朋友可以參考下
    2022-11-11
  • Django MEDIA的配置及用法詳解

    Django MEDIA的配置及用法詳解

    這篇文章主要介紹了Django MEDIA的配置及用法詳解,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下
    2019-07-07

最新評(píng)論