Python实战-第二节练习项目:爬取商品信息

最终成果

[{'image': 'img/pic_0000_073a9256d9624c92a05dc680fc28865f.jpg',
  'price': '$24.99',
  'review': '65 reviews',
  'star': '★★★★★',
  'titile': 'EarPod'},
 {'image': 'img/pic_0005_828148335519990171_c234285520ff.jpg',
  'price': '$64.99',
  'review': '12 reviews',
  'star': '★★★★☆',
  'titile': 'New Pocket'},
 {'image': 'img/pic_0006_949802399717918904_339a16e02268.jpg',
  'price': '$74.99',
  'review': '31 reviews',
  'star': '★★★★☆',
  'titile': 'New sunglasses'},
 {'image': 'img/pic_0008_975641865984412951_ade7a767cfc8.jpg',
  'price': '$84.99',
  'review': '6 reviews',
  'star': '★★★☆☆',
  'titile': 'Art Cup'},
 {'image': 'img/pic_0001_160243060888837960_1c3bcd26f5fe.jpg',
  'price': '$94.99',
  'review': '18 reviews',
  'star': '★★★★☆',
  'titile': 'iphone gamepad'},
 {'image': 'img/pic_0002_556261037783915561_bf22b24b9e4e.jpg',
  'price': '$214.5',
  'review': '18 reviews',
  'star': '★★★★☆',
  'titile': 'Best Bed'},
 {'image': 'img/pic_0011_1032030741401174813_4e43d182fce7.jpg',
  'price': '$500',
  'review': '35 reviews',
  'star': '★★★★☆',
  'titile': 'iWatch'},
 {'image': 'img/pic_0010_1027323963916688311_09cc2d7648d9.jpg',
  'price': '$15.5',
  'review': '8 reviews',
  'star': '★★★★☆',
  'titile': 'Park tickets'}]

我的代码

from bs4 import BeautifulSoup

path='./1_2answer_of_homework/index.html'

with open(path,'r') as wb_data:
    soup = BeautifulSoup(wb_data,'lxml')
    reviews = soup.select(" body > div > div > div.col-md-9 > div > div > div > div.ratings > p.pull-right")
    grades = soup.select(" body > div > div > div.col-md-9 > div > div > div > div.ratings > p > span") # 删除所有冒号后的信息
    prices = soup.select(" body > div > div > div.col-md-9 > div > div > div > div.caption > h4.pull-right")
    titles = soup.select(" body > div > div > div.col-md-9 > div > div > div > div.caption > h4 > a")
    images = soup.select(" body > div > div > div.col-md-9 > div > div > div > img")
    # print(reviews,stars,prices,titles,images,sep='\n---------------\n')

grades = str(grades)
grades = grades.replace('<span class="glyphicon glyphicon-star"></span>', '★')
grades = grades.replace('<span class="glyphicon glyphicon-star-empty"></span>', '☆') # 替换grades为星符
grades = grades.replace(', ','')
grades = grades[1:(len(grades)-1)] #选取所有星符
num = range(int(len(grades)/5))

stars = []
for s in num:
    print(5*s,5*(s+1))
    stars.append(''.join(grades[5*s:5*(s+1)]))  # 每5个星符组成一个商品评价
    print(stars)

info = []
# 采用字典进行集体查询
for review,star,price,title,image in zip(reviews,stars,prices,titles,images):  
    data = {
        'review':review.get_text(),
        'star': star,
        'price': price.get_text(),
        'titile': title.get_text(),
        'image': image.get('src') # 图片形式
    }
    info.append(data)

   list(info)

总结

  • 使用相对路径
  • 采用BeautifulSoup( )爬取网页信息
  • 检查网页,拷贝元素的CSS Selector路径而非XPath路径
  • 用 ______ .select 获取网页中某类元素的所有路径时,应把冒号后的部分去掉,如:body > div:nth-child(2) > div > div.col-md-9 > div:nth-child(2) > div:nth-child(3) > div > img 应改为body > div > div > div.col-md-9 > div > div > div > img (注意: ______ 表示变量名)
  • 可以采用字典进行集体查询
  • 遇到多对一的情况时,如:多个标签对应同一主题,______.select 应去除Selector路径的最后一项,并且在集体查询时用列表展示 list( ____.stripped_strings)
  • 图片采用 ______.get('src'),文字采用______.get_text()
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 203,324评论 5 476
  • 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 85,303评论 2 381
  • 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 150,192评论 0 337
  • 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 54,555评论 1 273
  • 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 63,569评论 5 365
  • 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 48,566评论 1 281
  • 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 37,927评论 3 395
  • 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 36,583评论 0 257
  • 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 40,827评论 1 297
  • 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 35,590评论 2 320
  • 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 37,669评论 1 329
  • 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 33,365评论 4 318
  • 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 38,941评论 3 307
  • 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 29,928评论 0 19
  • 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 31,159评论 1 259
  • 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 42,880评论 2 349
  • 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 42,399评论 2 342

推荐阅读更多精彩内容