学习Python的第四天

# 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)

    # 获取 p标签的内容

requests

# 导入

import requests

# url = 'https://www.baidu.com'

# url = 'https://www.taobao.com/'

# url = 'http://www.dangdang.com/'

#

#

# response = requests.get(url)

# # print(response)

# # # 获取str类型的响应

# # print(response.text)

# # # 获取bytes类型的响应

# # print(response.content)

# # # 获取响应头

# # print(response.headers)

# # # 获取状态码

# # print(response.status_code)

#

# print(response.encoding)

import requests

def spider_dangdang(isbn):

    # 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)

###Python使用requests模块和lxml模块抓取HTML页面

import requests

from lxml import html

import pandas as pd

from matplotlib import pyplot as plt

plt.rcParams["font.sans-serif"] = ['SimHei']

plt.rcParams['axes.unicode_minus'] = False

def spider_dangdang(isbn):

    book_list = []

    # 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')

spider_dangdang('9787115428028')

©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 217,734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 92,931评论 3 394
  • 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 164,133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 58,532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 67,585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 51,462评论 1 302
  • 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 40,262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 39,153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 45,587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 37,792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 39,919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 35,635评论 5 345
  • 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 41,237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 31,855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 32,983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 48,048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 44,864评论 2 354

推荐阅读更多精彩内容