python爬取当当网的书籍信息并保存到csv文件

提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

依赖的库：
requests #用来获取页面内容
BeautifulSoup #opython3不能安装BeautifulSoup，但可以安装BeautifulSoup4（pip install bs4）

此实验爬取了当当网中关于深度学习的书籍，内容包括书籍名称、作者、出版社、当前价钱。为方便，此实验只爬取搜索出来的一个页面的书籍。具体步骤如下：

1 打开当当网，搜索“深度学习”，等待页面加载，获取当前网址

“http://search.dangdang.com/?key=%C9%EE%B6%C8%D1%A7%CF%B0&act=input”
2 点击鼠标右键，选择’检查’，获取当前页面的网页信息
3 分析网页代码，截取我们要的内容。
4 实验设计为：先从搜索’深度学习‘后得到的页面中抓取相关书籍的链接（url）；然后再遍历每个url，从该书籍的具体页面中寻找信息。（如果单单是爬取我上面的那些内容的话，好像不用进去每个书籍的链接直接在搜索出来的页面获取也可以。。。）

下面是具体代码

import requests from bs4 import BeautifulSoupdef get_all_books(): """ 获取该页面所有符合要求的书本的链接 """ url = 'http://search.dangdang.com/?key=%C9%EE%B6%C8%D1%A7%CF%B0&act=input' book_list = [] r = requests.get(url, timeout=30) soup = BeautifulSoup(r.text, 'lxml') book_ul = soup.find_all('ul', {'class': 'bigimg','id':'component_0__0__6612'}) book_ps = book_ul[0].find_all('p',{'class':'name','name':'title'}) for book_p in book_ps: book_a = book_p.find('a') book_url = book_a.get('href') book_list.append(book_url) return book_list#获取每本书的url，并打印出来 books = get_all_books() for book in books: print(book)

http://product.dangdang.com/25111382.html http://product.dangdang.com/25089622.html http://product.dangdang.com/25231551.html http://product.dangdang.com/25234782.html http://product.dangdang.com/25224111.html http://product.dangdang.com/23993317.html http://product.dangdang.com/25073661.html http://product.dangdang.com/25245282.html http://product.dangdang.com/25208778.html http://product.dangdang.com/25212175.html http://product.dangdang.com/25175809.html http://product.dangdang.com/23983230.html http://product.dangdang.com/24104547.html http://product.dangdang.com/25124666.html http://product.dangdang.com/23996903.html http://product.dangdang.com/25082459.html http://product.dangdang.com/25207334.html http://product.dangdang.com/25104088.html http://product.dangdang.com/25163815.html http://product.dangdang.com/25118239.html http://product.dangdang.com/25105666.html http://product.dangdang.com/25208772.html http://product.dangdang.com/24049457.html http://product.dangdang.com/25234806.html http://product.dangdang.com/25230551.html http://product.dangdang.com/25166563.html http://product.dangdang.com/24165179.html http://product.dangdang.com/25250547.html http://product.dangdang.com/25262534.html http://product.dangdang.com/25098329.html http://product.dangdang.com/25225304.html http://product.dangdang.com/23925889.html http://product.dangdang.com/25261023.html http://product.dangdang.com/25269988.html http://product.dangdang.com/25138676.html http://product.dangdang.com/25125879.html http://product.dangdang.com/25250993.html http://product.dangdang.com/25243399.html http://product.dangdang.com/1057511057.html http://product.dangdang.com/25066760.html http://product.dangdang.com/24195829.html http://product.dangdang.com/25119333.html http://product.dangdang.com/24048571.html http://product.dangdang.com/25269074.html http://product.dangdang.com/25182369.html http://product.dangdang.com/25189701.html http://product.dangdang.com/25251315.html http://product.dangdang.com/25255372.html http://product.dangdang.com/1230199397.html http://product.dangdang.com/25073507.html http://product.dangdang.com/1336821476.html http://product.dangdang.com/25190949.html http://product.dangdang.com/1365765197.html http://product.dangdang.com/25215200.html http://product.dangdang.com/25242647.html http://product.dangdang.com/1211962291.html http://product.dangdang.com/25261676.html

上面就是获取到的每本书的url，下面来处理每本书的url，获取每本书的信息：

def get_book_information(book_url): """ 获取书籍的信息 """ r = requests.get(book_url, timeout=60) soup = BeautifulSoup(r.text, 'lxml') book_info = [] #获取书籍名称 div_name = soup.find('div', {'class': 'name_info','ddt-area':'001'}) h1 = div_name.find('h1',{}) book_name = h1.get('title') book_info.append(book_name) #获取书籍作者 div_author = soup.find('div',{'class':'messbox_info'}) span_author = div_author.find('span',{'class':'t1','dd_name':'作者'}) book_author = span_author.text.strip()[3:] book_info.append(book_author) #获取书籍出版社 div_press = soup.find('div',{'class':'messbox_info'}) span_press = div_press.find('span',{'class':'t1','dd_name':'出版社'}) book_press = span_press.text.strip()[4:] book_info.append(book_press) #获取书籍价钱 div_price = soup.find('div',{'class':'price_d'}) book_price = div_price.find('p',{'id':'dd-price'}).text.strip() book_info.append(book_price) return book_info

import csv#获取每本书的信息，并把信息保存到csv文件中 def main(): header = ['书籍名称','作者','出本社','当前价钱'] with open('DeepLearning_book_info.csv','w',encoding='utf-8',newline='') as f: writer = csv.writer(f) writer.writerow(header) for i,book in enumerate(books): if i%10 == 0: print('获取了{}条信息，一共{}条信息'.format(i,len(books))) l = get_book_information(book) writer.writerow(l)

if __name__ == '__main__': main()

获取了0条信息，一共57条信息获取了10条信息，一共57条信息获取了20条信息，一共57条信息获取了30条信息，一共57条信息获取了40条信息，一共57条信息获取了50条信息，一共57条信息

至此，爬虫结束，查看当前目录，就可以找到我们刚刚保存的DeepLearn_book_info.csv文件啦，打开查看，便得到下面的内容：