python爬取当当网的书籍信息并保存到csv文件

2022-12-22 08:15:57

python爬取当当网的书籍信息并保存到csv文件

依赖的库：
requests #用来获取页面内容
BeautifulSoup #opython3不能安装BeautifulSoup，但可以安装BeautifulSoup4（pip install bs4）

此实验爬取了当当网中关于深度学习的书籍，内容包括书籍名称、作者、出版社、当前价钱。为方便，此实验只爬取搜索出来的一个页面的书籍。具体步骤如下：

1 打开当当网，搜索“深度学习”，等待页面加载，获取当前网址

“http://search.dangdang.com/?key=%C9%EE%B6%C8%D1%A7%CF%B0&act=input”
2 点击鼠标右键，选择’检查’，获取当前页面的网页信息
3 分析网页代码，截取我们要的内容。
4 实验设计为：先从搜索’深度学习‘后得到的页面中抓取相关书籍的链接（url）；然后再遍历每个url，从该书籍的具体页面中寻找信息。（如果单单是爬取我上面的那些内容的话，好像不用进去每个书籍的链接直接在搜索出来的页面获取也可以。。。）

下面是具体代码

import requests

from bs4 import BeautifulSoup

def get_all_books():

    """

        获取该页面所有符合要求的书本的链接

    """

    url = 'http://search.dangdang.com/?key=%C9%EE%B6%C8%D1%A7%CF%B0&act=input'

    book_list = []

    r = requests.get(url, timeout=30)

    soup = BeautifulSoup(r.text, 'lxml')

    book_ul = soup.find_all('ul', {'class': 'bigimg','id':'component_0__0__6612'})

    book_ps = book_ul[0].find_all('p',{'class':'name','name':'title'})

    for book_p in book_ps:

        book_a = book_p.find('a')

        book_url = book_a.get('href')

        book_list.append(book_url)

    return book_list

#获取每本书的url，并打印出来

books = get_all_books()

for book in books:

    print(book)

http://product.dangdang.com/25111382.html

http://product.dangdang.com/25089622.html

http://product.dangdang.com/25231551.html

http://product.dangdang.com/25234782.html

http://product.dangdang.com/25224111.html

http://product.dangdang.com/23993317.html

http://product.dangdang.com/25073661.html

http://product.dangdang.com/25245282.html

http://product.dangdang.com/25208778.html

http://product.dangdang.com/25212175.html

http://product.dangdang.com/25175809.html

http://product.dangdang.com/23983230.html

http://product.dangdang.com/24104547.html

http://product.dangdang.com/25124666.html

http://product.dangdang.com/23996903.html

http://product.dangdang.com/25082459.html

http://product.dangdang.com/25207334.html

http://product.dangdang.com/25104088.html

http://product.dangdang.com/25163815.html

http://product.dangdang.com/25118239.html

http://product.dangdang.com/25105666.html

http://product.dangdang.com/25208772.html

http://product.dangdang.com/24049457.html

http://product.dangdang.com/25234806.html

http://product.dangdang.com/25230551.html

http://product.dangdang.com/25166563.html

http://product.dangdang.com/24165179.html

http://product.dangdang.com/25250547.html

http://product.dangdang.com/25262534.html

http://product.dangdang.com/25098329.html

http://product.dangdang.com/25225304.html

http://product.dangdang.com/23925889.html

http://product.dangdang.com/25261023.html

http://product.dangdang.com/25269988.html

http://product.dangdang.com/25138676.html

http://product.dangdang.com/25125879.html

http://product.dangdang.com/25250993.html

http://product.dangdang.com/25243399.html

http://product.dangdang.com/1057511057.html

http://product.dangdang.com/25066760.html

http://product.dangdang.com/24195829.html

http://product.dangdang.com/25119333.html

http://product.dangdang.com/24048571.html

http://product.dangdang.com/25269074.html

http://product.dangdang.com/25182369.html

http://product.dangdang.com/25189701.html

http://product.dangdang.com/25251315.html

http://product.dangdang.com/25255372.html

http://product.dangdang.com/1230199397.html

http://product.dangdang.com/25073507.html

http://product.dangdang.com/1336821476.html

http://product.dangdang.com/25190949.html

http://product.dangdang.com/1365765197.html

http://product.dangdang.com/25215200.html

http://product.dangdang.com/25242647.html

http://product.dangdang.com/1211962291.html

http://product.dangdang.com/25261676.html

上面就是获取到的每本书的url，下面来处理每本书的url，获取每本书的信息：

def get_book_information(book_url):

    """

        获取书籍的信息

    """

    r = requests.get(book_url, timeout=60)

    soup = BeautifulSoup(r.text, 'lxml')

    book_info = []

    #获取书籍名称

    div_name = soup.find('div', {'class': 'name_info','ddt-area':'001'})

    h1 = div_name.find('h1',{})

    book_name = h1.get('title')

    book_info.append(book_name)

    #获取书籍作者

    div_author = soup.find('div',{'class':'messbox_info'})

    span_author = div_author.find('span',{'class':'t1','dd_name':'作者'})

    book_author = span_author.text.strip()[3:]

    book_info.append(book_author)

    #获取书籍出版社

    div_press = soup.find('div',{'class':'messbox_info'})

    span_press = div_press.find('span',{'class':'t1','dd_name':'出版社'})

    book_press = span_press.text.strip()[4:]

    book_info.append(book_press)

    #获取书籍价钱

    div_price = soup.find('div',{'class':'price_d'})

    book_price = div_price.find('p',{'id':'dd-price'}).text.strip()

    book_info.append(book_price)

    return book_info

import csv

#获取每本书的信息，并把信息保存到csv文件中

def main():

    header = ['书籍名称','作者','出本社','当前价钱']

    with open('DeepLearning_book_info.csv','w',encoding='utf-8',newline='') as f:

        writer = csv.writer(f)

        writer.writerow(header)

        for i,book in enumerate(books):

            if i%10 == 0:

                print('获取了{}条信息，一共{}条信息'.format(i,len(books)))

            l = get_book_information(book)

            writer.writerow(l)

if __name__ == '__main__':

    main()

获取了0条信息，一共57条信息

获取了10条信息，一共57条信息

获取了20条信息，一共57条信息

获取了30条信息，一共57条信息

获取了40条信息，一共57条信息

获取了50条信息，一共57条信息

至此，爬虫结束，查看当前目录，就可以找到我们刚刚保存的DeepLearn_book_info.csv文件啦，打开查看，便得到下面的内容：

这样就把我们想要的书籍信息保存到csv文件啦。

码农公寓

python爬取当当网的书籍信息并保存到csv文件

相关文章