Python爬虫实战(3)-爬取豆瓣音乐Top250数据(超详细

前言

首先我们先来回忆一下上两篇爬虫实战文章:

第一篇:讲到了requests和bs4和一些网页基本操作。

第二篇:用到了正则表达式-re模块

今天我们用lxml库和xpath语法来爬虫实战。

1.安装lxml库

window:直接用pip去安装,注意一定要找到pip的安装路径

pipinstalllxml

2.xpath语法

xpath语法不会的可以参考下面的地址:

http://www.w3school.com.cn/xpath/index.asp

爬虫实战

先上部分效果图:

今天我们来爬一下“豆瓣音乐Top250的数据”

1.观察网页切换规律

https://music.douban.com/top250?start=0

https://music.douban.com/top250?start=25

https://music.douban.com/top250?start=50

从中我们已发现了规律。

2.爬取豆瓣音乐中的歌名、信息、星评

爬虫完整代码如下:

importrequests

fromlxmlimportetree

headers = {

'User-Agent':'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.186 Safari/537.36'}

list=[1]

defgetResult():

urls=["https://music.douban.com/top250?start={}".format(str(i))foriinrange(,250,25)]

forurlinurls:

data = requests.get(url, headers=headers)

html = etree.HTML(data.text)

#循环标签

count = html.xpath("//tr[@class='item']")

forinfoincount:

title = info.xpath("normalize-space(td[2]/div/a/text())")#标题

list[]=title#因为title用normalize-space去掉空格了,再生产result时标题显示不全,所以我用了list替换它

star = info.xpath("td[2]/div/div/span[2]/text()")# 星评

brief_introduction = info.xpath("td[2]/div/p//text()")#简介

#生成result串

forstar, title, brief_introductioninzip(star, list, brief_introduction):

result = {

"title": title,

"star": star,

"brief_introduction": brief_introduction,

}

print(result)

if__name__ =='__main__':

getResult()

分析:

代码中urls为了循环出所有的url

对xpath不懂的可以去看一下具体的语言,还是比较简单明了的,而且使用非常方便

normalize-space表示通过去掉前导和尾随空白并使用单个空格替换一系列空白字符,使空白标准化。如果省略了该参数,上下文节点的字符串值将标准化并返回

基本上就是这些难点,大家有不会的可以直接问我,另外大家也可以尝试去爬取别的数据,多敲多练!

希望对刚入门的朋友有所帮助!

  • 发表于:
  • 原文链接http://kuaibao.qq.com/s/20180306G0XLRH00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。

扫码关注云+社区

领取腾讯云代金券