Python简单爬取图书信息及入库

课堂上老师布置了一个作业,如下图所示:

Python简单爬取图书信息及入库
就是简单写一个借书系统。

大概想了一下流程,登录——>验证登录信息——>登录成功跳转借书界面——>可查看自己的借阅书籍以及数量。。。

登录可以很快实现,但借书界面里的数据怎么来呢?

不可能百度搜索书籍信息,然后一条一条来复制粘贴吧

所以,我想到了Python。

思路:通过Python爬取指定某读数平台,然后将解析的数据直接存到数据库。

URL:https://weread.qq.com/
Python简单爬取图书信息及入库

打开开发者工具,我们可以很快锁定所要爬取的信息;
Python简单爬取图书信息及入库

学过jQuery解析库的,可以发现用pyquery库选择对应class属性,可以很快获取到需要的信息;
Python简单爬取图书信息及入库

拿到数据后,使用pymysql将数据存入数据库,需要提前创建好数据库和表噢,当然也可以用代码实现;
Python简单爬取图书信息及入库

Python简单爬取图书信息及入库

因为该读数平台的书籍信息是动态加载,所以一次可以爬20条,但可以通过循环index,来获取多条数据。或者,也可以通过selenium库来实现网页加载自动化,从而拿到所有数据。

# -*- coding=utf-8 -*-
from pyquery import PyQuery
import requests
import pymysql

header = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) "
                  "AppleWebKit/537.36 (KHTML, like Gecko) Chrome/93.0.4577.82 Safari/537.36"
}


# 获取html源码
def getUrl(url):
    re = requests.get(url, headers=header)
    return re


# 获取数据并清洗
def getData(html):
    doc = PyQuery(html)
    name = doc(".wr_bookList_item_title")
    author = doc(".wr_bookList_item_author a")
    percent = doc(".wr_bookList_item_reading_percent")
    desc = doc(".wr_bookList_item_desc")
    lists = []
    for i in range(len(name)):
        try:
            li = [name[i].text, author[i].text, percent[i].text, desc[i].text]
        except Exception as e:
            li = [name[i].text, author[i].text, "null", desc[i].text]
        lists.append(li)
    return lists


# 连接数据库,存取数据
def saveDate(lists):
    db = pymysql.connect(
        host='127.0.0.1',
        port=3306,
        user='root',
        password='zhy123',
        database='mybooks',
        charset='utf8'
    )
    cursor = db.cursor()
    for num in lists:
        sql = "insert into books_copy1(title,author,percent,prec) " \
              "VALUES ('%s','%s','%s','%s')" % (num[0], num[1], num[2], num[3])
        try:
            cursor.execute(sql)
            db.commit()
        except Exception as e:
            print(e)
            db.rollback()
    print("保存成功!!!")


def main():
    url = 'https://weread.qq.com/web/category/700002'
    html = getUrl(url).content.decode('utf-8')
    lists = getData(html)
    # print(lists)
    saveDate(lists)


if __name__ == '__main__':
    main()

注意了,直接复制此代码运行,是会报错的喔!

需要确定自己电脑是否已经安装了mysql,其次修改代码里的用户名和密码,最后是数据库和表的名称喔。

我的简单借书小系统⁄(⁄ ⁄•⁄ω⁄•⁄ ⁄)⁄

登录界面:
Python简单爬取图书信息及入库

借书界面:
Python简单爬取图书信息及入库

我的借书界面:
Python简单爬取图书信息及入库

前端界面有些马虎了,凑合凑合O(∩_∩)O~

那就这样吧 byebye~~~

上一篇:《Educational Codeforces Round 112 (Rated for Div. 2)》


下一篇:《Codeforces Round #737 (Div. 2)》