豆瓣图书-编程-详情页

详情页打开是这样:

image.png

大致对书名、评分、价格、编号、内容简介和作者简介进行爬取

items.py

class DoubanItem(scrapy.Item):
    book_name = scrapy.Field()
    star = scrapy.Field()
    price = scrapy.Field()
    cod = scrapy.Field()
    content = scrapy.Field()
    author = scrapy.Field()

douban_spider.py

初始链接是外部页面,只用对翻页进行url处理即可,然后转发给详情页面,回掉给parse函数进行数据处理,这里用了normalize-space函数对字符串格式化进行简单处理,之后会详细更新介绍

class DoubanSpiderSpider(scrapy.Spider):

    name = 'douban_spider'
    allowed_domains = ['book.douban.com']
    start_urls = ['https://book.douban.com/tag/编程']

    def parse(self, response):
        href_list = response.xpath("//*[@id='subject_list']/ul/li/div[@class='info']/h2/a/@href").extract()
        for list in href_list:
            yield scrapy.Request(url=list, callback=self.parse_tag)
        next_link = response.xpath("//span[@class='next']/link/@href").extract()
        if next_link:
            next_link = next_link[0]
            yield scrapy.Request("https://book.douban.com" + next_link, callback=self.parse)

    def parse_tag(self, response):
        douban_item = DoubanItem()
        douban_item['book_name'] = response.xpath("//*[@id='wrapper']/h1/span/text()").extract_first()
        douban_item['star'] = response.xpath("//div[@class='rating_self clearfix']/strong/text()").extract_first()
        info = response.xpath("//div[@id='info']/text()").extract()
        douban_item['price'] = re.search(r'\d{2}\.\d{2}', str(info)).group(0)
        douban_item['cod'] = re.search(r'\d{13}', str(info)).group(0)
        content= response.xpath("normalize-space(//div[@id='link-report']//div[@class='intro']/p/text())").extract_first()
        douban_item['content'] = "".join(content)
        author = response.xpath("normalize-space(//*[@id='content']/div/div[1]/div[3]/div[2]/div/div//p/text())").extract_first()
        douban_item['author'] = "".join(author)
        # douban_item['content_sum'] = response.xpath("//div[@id='link-report']//div[@class='intro']/p/text()").extract()
        # douban_item['author_sum'] = response.xpath("//*[@id='content']/div/div[1]/div[3]/div[2]/div/div//p/text()").extract()
        yield douban_item

其他的诸如数据库存储和前面都一致
就不再赘述了。

  •    其他爬虫代码可参考github
©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 218,122评论 6 505
  • 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 93,070评论 3 395
  • 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 164,491评论 0 354
  • 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 58,636评论 1 293
  • 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 67,676评论 6 392
  • 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 51,541评论 1 305
  • 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 40,292评论 3 418
  • 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 39,211评论 0 276
  • 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 45,655评论 1 314
  • 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 37,846评论 3 336
  • 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 39,965评论 1 348
  • 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 35,684评论 5 347
  • 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 41,295评论 3 329
  • 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 31,894评论 0 22
  • 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 33,012评论 1 269
  • 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 48,126评论 3 370
  • 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 44,914评论 2 355

推荐阅读更多精彩内容