学习Python的第四天

爬虫

大数据

提取本地html中的数据

  1. 新建html文件
  2. 读取
  3. 使用xpath语法进行提取
    使用 lxml 中的xpath

使用lxml提取 h1标签中的内容

from lxml import html

读取html文件

with open('./index.html', 'r', encoding='utf-8') as f:
html_data = f.read()
print(html_data)
解析html文件,获得selector对象
selector = html.fromstring(html_data)
selector中调用xpath方法
要获取标签中的内容,末尾要添加text()
h1 = selector.xpath('/html/body/h1/text()')
print(h1[0])

// 可以代表从任意位置出发、
//标签1[@属性=属性值]/标签2[@属性=属性值]..../text()
a = selector.xpath('//div[@id="container"]/a/text()')
print(a)

目标站点地址

url = 'http://search.dangdang.com/?key={}&act=input'.format(isbn)
print(url)

获取站点str类型的响应

     headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64)
   AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.142 Safari/537.36"}
resp = requests.get(url, headers=headers)
html_data = resp.text

将html页面写入本地

with open('dangdang.html', 'w', encoding='utf-8') as f:
f.write(html_data)

目标站点地址

url = 'http://search.dangdang.com/?key={}&act=input'.format(isbn)
print(url)

获取站点str类型的响应

headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.142 Safari/537.36"}

resp = requests.get(url, headers=headers)
html_data = resp.text

将html页面写入本地

 with open('dangdang.html', 'w', encoding='utf-8') as f:
     f.write(html_data)

提取目标站的信息

selector = html.fromstring(html_data)
ul_list = selector.xpath('//div[@id="search_nature_rg"]/ul/li')
print('您好,共有{}家店铺售卖此图书'.format(len(ul_list)))

# 遍历 ul_list
for li in ul_list:
    #  图书名称
    title = li.xpath('./a/@title')[0].strip()
    print(title)
    #  图书购买链接
    link = li.xpath('a/@href')[0]
    print(link)
    #  图书价格
    price = li.xpath('./p[@class="price"]/span[@class="search_now_price"]/text()')[0]
    price = float(price.replace('¥',''))
    print(price)
    # 图书卖家名称
    store = li.xpath('./p[@class="search_shangjia"]/a/text()')
     if len(store) == 0:
         store = '当当自营'
     else:
         store = store[0]
    store = '当当自营' if len(store) == 0 else store[0]
    print(store)

目标站点地址

url = 'http://search.dangdang.com/?key={}&act=input'.format(isbn)
 print(url)

获取站点str类型的响应

headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.142 Safari/537.36"}

resp = requests.get(url, headers=headers)
html_data = resp.text

将html页面写入本地

with open('dangdang.html', 'w', encoding='utf-8') as f:
f.write(html_data)

提取目标站的信息

selector = html.fromstring(html_data)
ul_list = selector.xpath('//div[@id="search_nature_rg"]/ul/li')
print('您好,共有{}家店铺售卖此图书'.format(len(ul_list)))

遍历 ul_list

for li in ul_list:

图书名称

title = li.xpath('./a/@title')[0].strip()
print(title)

图书购买链接

link = li.xpath('a/@href')[0]
print(link)

图书价格

price = li.xpath('./p[@class="price"]/span[@class="search_now_price"]/text()')[0]
price = float(price.replace('¥',''))
print(price)

图书卖家名称

    store = li.xpath('./p[@class="search_shangjia"]/a/text()')
     if len(store) == 0:
        store = '当当自营'
     else:
         store = store[0]
    store = '当当自营' if len(store) == 0 else store[0]
     print(store)

添加每一个商家的图书信息

    book_list.append({
        'title':title,
        'price':price,
        'link':link,
        'store':store
    })

按照价格进行排序

book_list.sort(key=lambda x:x['price'])

遍历booklist

for book in book_list:
print(book)

展示价格最低的前10家 柱状图

店铺的名称

top10_store = [book_list[i] for i in range(10)]
 x = []
 for store in top10_store:
     x.append(store['store'])
x = [x['store'] for x in top10_store]
print(x) 

图书的价格

y = [x['price'] for x in top10_store]
print(y)
 plt.bar(x, y)
plt.barh(x, y)
plt.show()

存储成csv文件

df = pd.DataFrame(book_list)
df.to_csv('dangdang.csv')

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 213,928评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,192评论 3 387
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 159,468评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,186评论 1 286
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,295评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,374评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,403评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,186评论 0 269
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,610评论 1 306
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,906评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,075评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,755评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,393评论 3 320
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,079评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,313评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,934评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,963评论 2 351

推荐阅读更多精彩内容