Python爬虫实战笔记_1 实战作业

爬取商品信息

由于58的二手商品平台转转上线,爬取的方法与老师的讲解有一些不一样:

  • 58的二手商品新平台转转,全是转转商品
  • 不区分个人商品与企业商品
  • 浏览量与网页一起加载,不再单独请求
  • 新的详情页无发贴时间信息,故不爬取
#!usr/bin/env python
#_*_ coding: utf-8 _*_

#  python3.5 vs python2.7
#  58zhuanzhuan

from bs4 import BeautifulSoup
import requests
import time


def geturls(urls):
    for url in urls:
        webdata = requests.get(url)
        soup = BeautifulSoup(webdata.text, 'lxml')
        itemlist = soup.select('tr.zzinfo > td.t > a.t')
        nav = getemtext(soup.select('div.nav a')[-1])
        for item in itemlist:
            itemurl = item.get('href')
            title = getemtext(item)
            get_target_info(itemurl, title, nav)
        time.sleep(1)

def getemtext(element):
    return element.get_text().strip()

def get_target_info(url, title='', nav=''):
    wbdata = requests.get(url)
    soup = BeautifulSoup(wbdata.text, 'lxml')
    #title = soup.select('div.box_left > div > div > h1')
    looktime = soup.select('span.look_time')[0]
    price = soup.select('span.price_now i')[0]
    place = soup.select('div.palce_li i')[0]
    data = {
        'title': title,
        'nav': nav,
        'looktime': getemtext(looktime).strip(u'次浏览'),
        'price': getemtext(price),
        'place': getemtext(place)
    }
    #print(data)
    print(data['title'])
    print('price: '+ data['price'] + ', view: '+ data['looktime']+ ' times' + ', area: ' + data['place'])

if __name__ == "__main__":
    urls = ["http://bj.58.com/pbdn/0/pn{}/".format(pageid) for pageid in range(1, 14)]
    geturls(urls)
    #http://bj.58.com/tushu/pn2
部分运行结果
微软平板SURFACE RT
price: 1500, view: 2560 times, area: 北京-丰台
三星超薄平板,
price: 1200, view: 801 times, area: 北京-通州
iPad1代
price: 680, view: 1333 times, area: 北京-朝阳
转让iPadmini2带发票和包装盒子16G配件齐全体大
price: 1512, view: 355 times, area: 北京-海淀
95成新16G IPAD4(the new ipad) 第一代高清屏的ipad,现使用无卡顿...
price: 1299, view: 1998 times, area: 北京-通州
全新ipad 没有注册的 零磨损 看图吧
price: 1599, view: 1400 times, area: 北京-大兴
苹果iPad4代贱卖
price: 1200, view: 114 times, area: 北京-顺义
总结
  • 类目与标题信息从列表页获取,作为参数传给get_target_info(),节省信息提取时间
  • 打印爬取的结果时,直接print(data),中文以unicode编码输出。print(data['title'])可以正常显示中文字符
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 199,711评论 5 468
  • 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 83,932评论 2 376
  • 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 146,770评论 0 330
  • 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 53,799评论 1 271
  • 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 62,697评论 5 359
  • 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 48,069评论 1 276
  • 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 37,535评论 3 390
  • 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 36,200评论 0 254
  • 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 40,353评论 1 294
  • 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 35,290评论 2 317
  • 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 37,331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 33,020评论 3 315
  • 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 38,610评论 3 303
  • 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 29,694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 30,927评论 1 255
  • 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 42,330评论 2 346
  • 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 41,904评论 2 341

推荐阅读更多精彩内容

  • 把以前写的爬虫代码整理成教程,方便以后查阅,可以爬点感兴趣的东西玩一玩。 1.运行环境及安装: 1.运行环境 默认...
    阿健在长安阅读 703评论 0 3
  • 1 前言 作为一名合格的数据分析师,其完整的技术知识体系必须贯穿数据获取、数据存储、数据提取、数据分析、数据挖掘、...
    whenif阅读 18,049评论 45 523
  • 编译环境:python v3.5.0, mac osx 10.11.4 python爬虫基础知识: Python...
    掷骰子的求阅读 16,555评论 11 101
  • 读书是感悟. 读庄子,读到的是空灵的澄净,心如澄澈的秋水,行若不系之舟,他甘愿做一棵守护月亮的树,他甘愿"曳尾于途...
    Fwx烟雨倾城阅读 302评论 2 4
  • 读《基因革命》 作者沙伦•莫勒姆,博士、科学家、医生,《纽约时报》畅销书作者,曾荣获19项与生物技术和人类健康有关...
    阳明心阅读 443评论 0 0