Python实战计划——第一周大作业

抓取58商品信息

未解决:无法有效分辨推广信息和正常信息(肉眼可以分辨,但是无法通过链接或标签中的属性特征来分辨)。

代码如下:

#-*- coding: utf-8 -*-
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,一共15位
    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
            #部分推荐无法有效去除(也手动在标签里筛选过,但似乎没有好的辨识标志)
            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(1)  # 防止反爬技巧之一

#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',
        #针对58网站就头部referer有判断的应对,人工访问信息,防止反爬技巧之二
        'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/50.0.2661.102 Safari/537.36',
        'Cookie':'bj58_id58s="c19BMUtfcUdITnA1ODU4Mw=="; id58=c5/njVc56DRPBRJ9BO59Ag==; als=0; __utma='
                 '253535702.423222974.1463666994.1463666994.1463666994.1; __utmz=253535702.1463666994.1.1.utmcsr='
                 '(direct)|utmccn=(direct)|utmcmd=(none); 58home=wuhai; myfeet_tooltip=end; bangbigtip2=1; ipcity='
                 'wuhai%7C%u4E4C%u6D77; 58tj_uuid=0c52f1f5-7b9b-4dd7-81af-d2bb5426d2a9; new_session=0; new_uv=3; '
                 'utm_source=; spm=; init_refer=http%253A%252F%252Fbj.58.com%252Fpbdn%252F0%252F; final_history='
                 '26070179017526%2C25390255065933%2C24063857671738%2C26057897956784%2C25896821493035; sessionid='
                 '7d224bdd-5534-4102-acbc-9a43514cf79e; bj58_new_session=0; bj58_init_refer="http://bj.58.com/pbdn/0/"; '
                 'bj58_new_uv=38'
    }
    api = 'http://jst1.58.com/counter?infoid={}&userid=&uname=&sid=516903216&lid=1&px=&cfpath=5,38484'.format(id)
    #这里使用了api接口
    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)]#抓取前10页
for link in full_url:
    get_links(link)

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 215,294评论 6 497
  • 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 91,780评论 3 391
  • 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 161,001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 57,593评论 1 289
  • 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 66,687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 50,679评论 1 294
  • 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 39,667评论 3 415
  • 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 38,426评论 0 270
  • 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 44,872评论 1 307
  • 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 37,180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 39,346评论 1 345
  • 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 35,019评论 5 340
  • 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 40,658评论 3 323
  • 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 31,268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 32,495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 47,275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 44,207评论 2 352

推荐阅读更多精彩内容

  • Python实战计划 第一周大作业-58同城要求:1.爬取页面http://bj.58.com/pbdn/0/ 的...
    风特华阅读 538评论 1 50
  • 作业要求: CODE: 结果:C:\Users\XXZX-0\AppData\Local\Programs\Pyt...
    linacqu阅读 215评论 0 0
  • Spring Cloud为开发人员提供了快速构建分布式系统中一些常见模式的工具(例如配置管理,服务发现,断路器,智...
    卡卡罗2017阅读 134,647评论 18 139
  • 问答题47 /72 常见浏览器兼容性问题与解决方案? 参考答案 (1)浏览器兼容问题一:不同浏览器的标签默认的外补...
    _Yfling阅读 13,747评论 1 92
  • 风说她要来, 知道有人欢喜, 知道有气急败坏。 风说她真的来, 风喜欢流浪, 四处游哉游哉。 风不孤独, 风有雨的...
    黄再光阅读 261评论 0 0