python学习之旅-第一周 实战作业

第一周实战作业
学习python的第一周 5.19号完成练习实战作业 爬去58同城平板电脑列表里的卖家信息

Paste_Image.png

目标:爬去卖家以及商品的基本信息
代码如下:

import requests
from bs4 import BeautifulSoup
import time
def get_message(url):
    #print(url)
    wb_date = requests.get(url)
    id = (url.split('/')[-1])[:14]#截取商品ID得到对应的id
    views = get_totols(id)
    soup = BeautifulSoup(wb_date.text,'lxml')
    categories = soup.select('#header > div.breadCrumb.f12 > span:nth-of-type(3) > a')#类目
    titles = soup.select('#content > div.person_add_top.no_ident_top > div.per_ad_left > div.col_sub.mainTitle > h1')#标题
    times = soup.select('#index_show > ul.mtit_con_left.fl > li.time')#发布时间
    prices = soup.select('#content > div.person_add_top.no_ident_top > div.per_ad_left > div.col_sub.sumary > ul > li:nth-of-type(1) > div.su_con > span')#价格
    olds = soup.select('#content > div.person_add_top.no_ident_top > div.per_ad_left > div.col_sub.sumary > ul > li:nth-of-type(2) > div.su_con > span')#成色
    areas1 = soup.select('#content > div.person_add_top.no_ident_top > div.per_ad_left > div.col_sub.sumary > ul > li:nth-of-type(3) > div.su_con > span > a:nth-of-type(1)')#区域1
    areas2 = soup.select('#content > div.person_add_top.no_ident_top > div.per_ad_left > div.col_sub.sumary > ul > li:nth-of-type(3) > div.su_con > span > a:nth-of-type(2)')#区域2
    for category,title,time,price,old,area1,area2 in zip(categories,titles,times,prices,olds,areas1,areas2):
        data = {
            '类目':category.get_text(),
            '标题':title.get_text(),
            '发布时间':time.get_text(),
            '价格':price.get_text(),
            '成色':old.get_text().strip(),
            '区域':area1.get_text()+'-'+area2.get_text(),
            '浏览量':views
        }
        print(data)
        return None
#去除列表中重复连接
def delRepeat(list):
    for x in list:
        while list.count(x)>1:
            del list[list.index(x)]
    #print(list)
    return list

#获取有效连接列表
def get_links(url):
    links = []
    wb_data = requests.get(url)
    soup = BeautifulSoup(wb_data.text,'lxml')
    href = soup.select(' tr > td.t > a')
    for link in href:
        if 'http://bj.58.com/pingbandiannao/' in link.get('href'):#判断路径里是否有关键字  去除推荐的和转转的连接
            links.append(link.get('href'))#将连接加入到列表中去
    links = delRepeat(links)#去重
    for wb_link in links:
        get_message(wb_link)
        time.sleep(2)  # 防止反爬

#获取浏览量的方法
def get_totols(id):
    headers ={
            'Referer':'http://bj.58.com/pingbandiannao/25390255065933x.shtml?adtype=1&PGTID=0d305a36-0000-1576-ef5f-2547f6476ccf&entinfo=25390255065933_0&psid=132996494191831950071360497&iuType=q_2&ClickID=2',#58浏览量针对头部referer有判断  不伪造信息拿到值为0
        'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/46.0.2490.86 Safari/537.36',
        'Cookie':'f=n; userid360_xml=BE5F745CB21889493F55E2AB183C6316; time_create=1466153186464; bj58_id58s="ZGFzSVk5dkFyUDZQODU4OA=="; id58=c5/njVc0K1eW7SWOA1IbAg==; sessionid=895a33d3-6b04-4820-b906-89323e0a3419; als=0; myfeet_tooltip=end; bdshare_firstime=1463552754347; ipcity=sh%7C%u4E0A%u6D77; 58home=sh; f=n; bj58_new_session=0; bj58_init_refer=""; bj58_new_uv=3; 58tj_uuid=0f55bf86-b266-4866-aea3-3fed2ffe6ccf; new_session=0; new_uv=2; utm_source=; spm=; init_refer=http%253A%252F%252Fbj.58.com%252Fpbdn%252F0%252F; final_history=26044978248654%2C26044268155977%2C26013739776688'
    }
    api = 'http://jst1.58.com/counter?infoid={}&userid=&uname=&sid=516903216&lid=1&px=&cfpath=5,38484'.format(id)
    js = requests.get(api,headers=headers)
    views = js.text.split('=')[-1]
    #print(views)
    return views
full_url = ['http://bj.58.com/pbdn/{}/'.format(str(i)) for
            i in range(0, 10, 1)]
for link in full_url:
    get_links(link)

爬取结果:

Paste_Image.png

难点:本次项目是第一次比较全面的爬取项目,难点由以下几点
-.商品信息浏览量这个字段 58是用js来控制
-.抓取到这个JS的URL后发现58对这个URL做过反爬取 必须伪造头部信息中的Referer才能得到返回totol这个浏览量

总结:通过一周学习收获:由于编写本次抓取前,不知晓后面有讲解视频,自己一个人摸索,之后完成后再看了老师视频后发现有许多地方都能优化处理,但是这次的爬取也给自己增加了不少的信心和乐趣!

最后编辑于
©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 218,036评论 6 506
  • 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 93,046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 164,411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 58,622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 67,661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 51,521评论 1 304
  • 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 40,288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 39,200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 45,644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 37,837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 39,953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 35,673评论 5 346
  • 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 41,281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 31,889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 33,011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 48,119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 44,901评论 2 355

推荐阅读更多精彩内容

  • 爬虫文章 in 简书程序员专题: like:128-Python 爬取落网音乐 like:127-【图文详解】py...
    喜欢吃栗子阅读 21,754评论 4 411
  • Android 自定义View的各种姿势1 Activity的显示之ViewRootImpl详解 Activity...
    passiontim阅读 172,129评论 25 707
  • 经朋友介绍,认识到了python实战:四周实习爬虫系统,然后看了一下试看教程,觉得课程挺不错的,→_→重点是对于...
    隐逆阅读 760评论 0 50
  • 生活总是这样 不经意地给你惊喜 让你忘记当初的苦难与艰辛 学舞两年多 回想每每上课的坚持 没有来例假就不去上课的故...
    6186834d3810阅读 181评论 0 0