欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python抓取京東圖書(shū)評(píng)論數(shù)據(jù)

 更新時(shí)間:2014年08月31日 15:33:57   投稿:hebedich  
最近接了個(gè)項(xiàng)目,需要抓取京東圖書(shū)的評(píng)論,把代碼放出來(lái)給大家分享下,希望能有所幫助

 京東圖書(shū)評(píng)論有非常豐富的信息,這里面就包含了購(gòu)買(mǎi)日期、書(shū)名、作者、好評(píng)、中評(píng)、差評(píng)等等。以購(gòu)買(mǎi)日期為例,使用Python + Mysql的搭配進(jìn)行實(shí)現(xiàn),程序不大,才100行。相關(guān)的解釋我都在程序里加注了:

from selenium import webdriver
from bs4 import BeautifulSoup
import re
import win32com.client
import threading,time
import MySQLdb

def mydebug():
    driver.quit()
    exit(0)

def catchDate(s):
    """頁(yè)面數(shù)據(jù)提取"""
    soup = BeautifulSoup(s)
    z = []
    global nowtimes
   
    m = soup.findAll("div",class_="date-buy")
    for obj in m:
        try:
            tmp = obj.find('br').contents
        except Exception, e:
            continue
        if(tmp != ""):
            z.append(tmp)
            nowtimes += 1
    return z

def getTimes(n,t):
    """獲取當(dāng)前進(jìn)度"""
    return "當(dāng)前進(jìn)度為:" + str(int(100*n/t)) + "%"


#———————————————————————————————————| 程序開(kāi)始 |—————————————————————————————————
#確定圖書(shū)大類(lèi)
cate = {"3273":"歷史","3279":"心理學(xué)","3276":"政治軍事","3275":"國(guó)學(xué)古籍","3274":"哲學(xué)宗教","3277":"法律","3280":"文化","3281":"社會(huì)科學(xué)"}

#斷點(diǎn)續(xù)抓
num1 = input("bookid:")
num2 = input("pagenumber:")

#生成圖書(shū)大類(lèi)鏈接,共需17355*20 = 347100次
totaltimes = 347100.0
nowtimes = 0

#開(kāi)啟webdirver的PhantomJS對(duì)象
#driver = webdriver.PhantomJS()
driver = webdriver.Ie('C:\Python27\Scripts\IEDriverServer')
#driver = webdriver.Chrome('C:\Python27\Scripts\chromedriver')

#讀出Mysql中的評(píng)論頁(yè)面,進(jìn)行抓取
# 連接數(shù)據(jù)庫(kù) 
try:
    conn = MySQLdb.connect(host='localhost',user='root',passwd='',db='jd')
except Exception, e:
    print e
    sys.exit()

# 獲取cursor對(duì)象
cursor = conn.cursor()
sql = "SELECT * FROM booknew ORDER BY pagenumber DESC"
cursor.execute(sql)
alldata = cursor.fetchall()

flag = 0
flag2 = 0

# 如果有數(shù)據(jù)返回就循環(huán)輸出,http://club.jd.com/review/10178500-1-154.html
if alldata:
    for rec in alldata:
        #rec[0]--bookid,rec[1]--cateid,rec[2]--pagenumber
        if(rec[0] != str(num1) and flag == 0):
            continue
        else:
            flag = 1
        for p in range(num2,rec[2]):
            if(flag2 == 0):
                num2 = 0
                flag2 = 1
            p += 1
            link = "             #抓網(wǎng)頁(yè)
            driver.get(link)
            html = driver.page_source
            #抓評(píng)論
            buydate = catchDate(html)
            #寫(xiě)入數(shù)據(jù)庫(kù)
            for z in buydate:
                sql = "INSERT INTO ljj (id, cateid, bookid, date) VALUES (NULL, '" + rec[0] + "','" + rec[1] + "','" + z[0] + "');"
                try:
                    cursor.execute(sql)
                except Exception, e:
                    print e
            conn.commit()
        print getTimes(nowtimes,totaltimes)

driver.quit()
cursor.close()
conn.close()

相關(guān)文章

  • 詳解Python函數(shù)式編程之裝飾器

    詳解Python函數(shù)式編程之裝飾器

    這篇文章主要為大家詳細(xì)介紹了Python函數(shù)式編程之裝飾器,文中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,希望能夠給你帶來(lái)幫助
    2022-03-03
  • python插入排序算法實(shí)例分析

    python插入排序算法實(shí)例分析

    這篇文章主要介紹了python插入排序算法,通過(guò)兩個(gè)簡(jiǎn)單實(shí)例對(duì)比分析了Python插入排序算法的相關(guān)實(shí)現(xiàn)技巧,需要的朋友可以參考下
    2015-07-07
  • Python 轉(zhuǎn)換時(shí)間戳為指定格式日期

    Python 轉(zhuǎn)換時(shí)間戳為指定格式日期

    這篇文章主要為大家介紹了Python轉(zhuǎn)換時(shí)間戳,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下,希望能夠給你帶來(lái)幫助
    2021-12-12
  • Pandas:Series和DataFrame刪除指定軸上數(shù)據(jù)的方法

    Pandas:Series和DataFrame刪除指定軸上數(shù)據(jù)的方法

    今天小編就為大家分享一篇Pandas:Series和DataFrame刪除指定軸上數(shù)據(jù)的方法,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
    2018-11-11
  • PyCharm 無(wú)法 import pandas 程序卡住的解決方式

    PyCharm 無(wú)法 import pandas 程序卡住的解決方式

    這篇文章主要介紹了PyCharm 無(wú)法 import pandas 程序卡住的解決方式,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
    2020-03-03
  • 詳細(xì)解讀Python中的json操作

    詳細(xì)解讀Python中的json操作

    json操作是最為基本的、最為常用的,Python自帶的json模塊就可以滿足大部分應(yīng)用場(chǎng)景,而且使用起來(lái)極為簡(jiǎn)單,下面這篇文章主要給大家介紹了關(guān)于Python中json操作的相關(guān)資料,需要的朋友可以參考下
    2022-05-05
  • Django項(xiàng)目中包含多個(gè)應(yīng)用時(shí)對(duì)url的配置方法

    Django項(xiàng)目中包含多個(gè)應(yīng)用時(shí)對(duì)url的配置方法

    今天小編就為大家分享一篇Django項(xiàng)目中包含多個(gè)應(yīng)用時(shí)對(duì)url的配置方法,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
  • 使用PyWebCopy在Python中克隆網(wǎng)頁(yè)的操作方法

    使用PyWebCopy在Python中克隆網(wǎng)頁(yè)的操作方法

    PyWebCopy是一個(gè)用于克隆網(wǎng)頁(yè)內(nèi)容的Python庫(kù),它允許用戶從指定的 URL 復(fù)制整個(gè)網(wǎng)頁(yè)并保存到本地,本文將介紹 PyWebCopy 的基本用法,以及如何克隆網(wǎng)頁(yè)并保存網(wǎng)頁(yè)內(nèi)容到本地文件夾,文中通過(guò)代碼示例講解的非常詳細(xì),需要的朋友可以參考下
    2023-12-12
  • Python?pluggy框架使用示例代碼

    Python?pluggy框架使用示例代碼

    這篇文章主要介紹了Python?pluggy框架基礎(chǔ)用法總結(jié),本文通過(guò)三個(gè)例子結(jié)合代碼給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下
    2022-05-05
  • python模擬點(diǎn)擊網(wǎng)頁(yè)按鈕實(shí)現(xiàn)方法

    python模擬點(diǎn)擊網(wǎng)頁(yè)按鈕實(shí)現(xiàn)方法

    在本篇文章里小編給大家整理的是一篇關(guān)于python模擬點(diǎn)擊網(wǎng)頁(yè)按鈕實(shí)現(xiàn)方法,需要的朋友們可以參考下。
    2020-02-02

最新評(píng)論