Python-利用beautifulsoup写个豆瓣热门图书爬虫

　　Anaconda3里边自带了bs4的包，省的我自己安装了。

　　最近觉得模块化的写法可以让代码变得清晰易读。而且随着代码的增多，找bug也会更方便。（目前我还写不出这么多）而且模块化有种工具化的思想，拿来主义的思想在里面，使用工具可是人等少数智慧动物的专利啊。之后也要多学习使用[try - except]的写法，可以直观的看出错误。

　　初学网页爬虫，目前只会爬取豆瓣这样清晰好看的静态网页，对于复杂的js控制的动态网页，我现在还束手无策。

 1 # -*- coding: utf-8 -*-
 2 """
 3 Created on Tue Jan  2 17:44:30 2018
 4 
 5 @author: xglc
 6 找到豆瓣图书的【新书速递】内容
 7 """
 8 import requests
 9 from bs4 import BeautifulSoup
10 
11 def _gethtml():
12     try:
13         req = requests.get('https://book.douban.com/')
14         data1 = []
15         data1.append(req.text)
16     except Exception as e:  
17         raise e 
18     return data1
19 
20 def _getdata(html):
21     title = []
22     author = []
23     data2 = {}
24     soup = BeautifulSoup(html,'html.parser')
25     for li in soup.find('ul',attrs={'class':'list-col list-col5 list-express slide-item'}).find_all("li"):
26         title.append(li.find('div',class_='info').find('div',class_='title').text)
27         author.append(li.find('div',class_='info').find('div',class_='author').text)
28     data2['title'] = title
29     data2['author'] = author
30 #    print (data2)
31     return data2
32 
33 def _txt(data3):
34     with open('f://book.txt','w') as f:
35         for title in data['title']:
36             f.write(title)
37         f.close
38         
39 if __name__ == '__main__':  
40     htmls = _gethtml()  
41     data = _getdata(htmls[0])
42     _txt(data)
43 #    print (data['title'])
View Code

 

posted @ 2018-01-04 14:52  Jneeee  阅读(489)  评论(0)  编辑  收藏  举报