Python爬虫之Xpath学习问题解决用xpath方法爬取豆瓣图书top250分析总结

罗罗攀

发布于 2018-07-03 13:55:04

6530

发布于 2018-07-03 13:55:04

文章被收录于专栏：有趣的Python和你有趣的Python和你

问题解决

这是我昨天发的简书python爬虫之豆瓣音乐top250大牛们解决了一大部分的问题

1 MySQL报错问题

字段长度设置太小，说着也很奇怪，我用的vachar(20)都说小了，哎，后面建表干脆用text型，数据量不大还行。

2 爬不到数据的问题

我只能说是完美答案，我在这就不解释了，这个简友是it互联网的编辑，平时也会写很多Python爬虫的文章，大家可以去看看，今天的Xpath文章就是一个简友还有这个向右奔跑的帮助下完成的，在此谢谢他们，另一个等会再提，哈哈。

3 代码累赘问题

这种会节省一定的代码量，今天的代码有用到哦！

用xpath方法爬取豆瓣图书top250

xpath方法去看看向右奔跑的文章就好啦，讲的很好，我就不在这班门弄斧啦，还推荐一个我的好友：好友博客，今天的大部分代码是他指导完成的，也是他指导我学的Mysql，大家一起学习很开心，来看代码：

from lxml import etree
import requests
import time
import pymysql

conn = pymysql.connect(host='localhost', user='root', passwd='123456', db='test', port=3306, charset='utf8')
cursor = conn.cursor()

urls = ['https://book.douban.com/top250?start={}'.format(str(i)) for i in range(0,250,25)]

headers = {
    'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36'
}

for url in urls:
    html = requests.get(url,headers=headers)
    selector = etree.HTML(html.text)
    infos = selector.xpath('//tr[@class="item"]')
    for info in infos:
        name = info.xpath('td/div/a/@title')[0]
        url = info.xpath('td/div/a/@href')[0]
        book_infos = info.xpath('td/p/text()')[0]
        author = book_infos.split('/')[0]
        publisher = book_infos.split('/')[-3]
        date = book_infos.split('/')[-2]
        price = book_infos.split('/')[-1]
        rate = info.xpath('td/div/span[2]/text()')[0]
        comments = info.xpath('td/p/span/text()')
        comment = comments[0] if len(comments) != 0 else "空"
        cursor.execute("use test")
        cursor.execute("insert into doubanbook (name,url,author,publisher,date,price,rate,comment) values(%s,%s,%s,%s,%s,%s,%s,%s)",
                       (str(name),str(url),str(author),str(publisher),str(date),str(price),str(rate),str(comment)))
        time.sleep(2)
conn.commit()

xpath比beatifulsoup解析难一点，关键是找循环点，下面是我建表的mysql代码：

  CREATE TABLE doubanbook (
 name TEXT,
 url TEXT,
 author TEXT,
 publisher TEXT,
 dateTEXT,
 price TEXT,
 rate TEXT,
 comment TEXT
 )ENGINE INNODB DEFAULT CHARSET=utf8 ;

分析

SELECT * FROM doubanbook;

下面是出版量前五的出版社

SELECT publisher,COUNT(*) AS numbers FROM doubanbook GROUP BY publisher ORDER BY numbers DESC LIMIT 0,5;

评分前十的图书，想看书的给你们推荐一波

SELECT NAME,author,publisher,rate,COMMENT FROM doubanbook ORDER BY rate DESC LIMIT 0,10;

总结

今天主要是学习了xpath爬取数据的方法，其次是练习了一下mysql的查询语法，查询的数据可以进行可视化分析，我今天就不做了，春节快乐。

本文参与腾讯云自媒体分享计划，分享自作者个人站点/博客。

原始发表：2017.01.29 ，如有侵权请联系 cloudcommunity@tencent.com 删除

python

爬虫

云数据库 SQL Server

本文分享自作者个人站点/博客前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体分享计划，欢迎热爱写作的你一起参与！

python

爬虫

云数据库 SQL Server

登录后参与评论

0 条评论

热度