第二节练习项目:爬取商品信息

Python爬虫实战第一天

任务

爬取图示网站的商品信息,包括:商品名称,价格,评论,评论数以及图片链接


成果

{'name': 'EarPod', 'price': '$24.99', 'stars': 5, 'reviews': '65', 'imageurl': 'img/pic_0000_073a9256d9624c92a05dc680fc28865f.jpg'}
{'name': 'New Pocket', 'price': '$64.99', 'stars': 4, 'reviews': '12', 'imageurl': 'img/pic_0005_828148335519990171_c234285520ff.jpg'}
{'name': 'New sunglasses', 'price': '$74.99', 'stars': 4, 'reviews': '31', 'imageurl': 'img/pic_0006_949802399717918904_339a16e02268.jpg'}
{'name': 'Art Cup', 'price': '$84.99', 'stars': 3, 'reviews': '6', 'imageurl': 'img/pic_0008_975641865984412951_ade7a767cfc8.jpg'}
{'name': 'iphone gamepad', 'price': '$94.99', 'stars': 4, 'reviews': '18', 'imageurl': 'img/pic_0001_160243060888837960_1c3bcd26f5fe.jpg'}
{'name': 'Best Bed', 'price': '$214.5', 'stars': 4, 'reviews': '18', 'imageurl': 'img/pic_0002_556261037783915561_bf22b24b9e4e.jpg'}
{'name': 'iWatch', 'price': '$500', 'stars': 4, 'reviews': '35', 'imageurl': 'img/pic_0011_1032030741401174813_4e43d182fce7.jpg'}
{'name': 'Park tickets', 'price': '$15.5', 'stars': 4, 'reviews': '8', 'imageurl': 'img/pic_0010_1027323963916688311_09cc2d7648d9.jpg'}

源代码

#!/usr/bin/env python
# -*- coding: utf-8 -*-

from bs4 import BeautifulSoup

info = []

# 打开本地网页,使用BS解析
with open('/Documents/Code/Plan-for-combating-master/week1/1_2/1_2answer_of_homework/index.html', 'r') as wb_data:
    soup = BeautifulSoup(wb_data, 'lxml')
    # chrome出来的路径(body > div:nth-of-type(2) > div > div.col-md-9 > div:nth-of-type(2) > div > div > div.caption > h4:nth-of-type(2) > a)有问题,为什么??
    images = soup.select('body > div:nth-of-type(1) > div > div.col-md-9 > div:nth-of-type(2) > div > div > img')
    names = soup.select(
        'body > div:nth-of-type(1) > div > div.col-md-9 > div:nth-of-type(2) > div > div > div.caption > h4:nth-of-type(2) > a')
    prices = soup.select(
        'body > div:nth-of-type(1) > div > div.col-md-9 > div:nth-of-type(2) > div > div > div.caption > h4.pull-right')
    reviews = soup.select(
        'body > div:nth-of-type(1) > div > div.col-md-9 > div:nth-of-type(2) > div > div > div.ratings > p.pull-right')
    stars = soup.select(
        'body > div:nth-of-type(1) > div > div.col-md-9 > div:nth-of-type(2) > div > div > div.ratings > p:nth-of-type(2)')
    print(reviews[0].get_text())

for image, name, price, review, star in zip(images, names, prices, reviews, stars):
    '''
    class在python中属于保留字,直接使用keyword参数(class='glyphicon glyphicon-star'会导致语法错误,有两种解决方法:
    一是通过 find_all() 方法的 attrs 参数定义一个字典参数来搜索包含特殊属性的tag:attrs={'class': 'glyphicon glyphicon-star'
    二是通过如下形式class_='glyphicon glyphicon-star'
    '''
    data = {
        'name': name.get_text(),
        'price': price.get_text(),
        'stars': len(star.find_all('span', class_='glyphicon glyphicon-star')),
        'reviews': review.get_text().rstrip(' reviews'),
        'imageurl': image.get('src')
    }
    print(data)
    info.append(data)

小结

  1. BS不懂多看官方文档: https://www.crummy.com/software/BeautifulSoup/bs4/doc.zh/#unicode-dammit
  2. chrome开发工具里面copy的CSS selector不一定正确,如果没有返回对象,可逐级调试,看到底是哪一级的标签出错。
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 216,039评论 6 498
  • 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 92,223评论 3 392
  • 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 161,916评论 0 351
  • 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 58,009评论 1 291
  • 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 67,030评论 6 388
  • 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 51,011评论 1 295
  • 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 39,934评论 3 416
  • 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 38,754评论 0 271
  • 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 45,202评论 1 309
  • 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 37,433评论 2 331
  • 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 39,590评论 1 346
  • 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 35,321评论 5 342
  • 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 40,917评论 3 325
  • 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 31,568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 32,738评论 1 268
  • 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 47,583评论 2 368
  • 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 44,482评论 2 352

推荐阅读更多精彩内容