IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> 开发工具 -> 基于pycharm的简单爬虫 -> 正文阅读

[开发工具]基于pycharm的简单爬虫

爬取的是豆瓣书籍top250的所有书籍信息和图片,然后做了一个小小的功能界面

  1. 首先用到的一些库,其中sys和os不用下系统自带,其他都需要自己下
    from PyQt5 import QtCore, QtGui, QtWidgets
    import requests
    from lxml import etree
    import sys
    import time
    import os
    import pandas as pd
    from PyQt5.QtWidgets import QApplication

  2. UI界面是基于qtdesigner做的,效果如图

  3. 主要代码解释:headers就是模拟浏览器样式,让爬取更安全。对于网页的分页我使用了一个for循环,利用requests获取了网页HTML源码,用lxml库里的etree.HTML()函数将HTML文档里的字符串转变成_Element()对象(注意etree.HTML函数里面是传的txt类型的),然后再用xpath把书籍的信息和图片抓取出来。因为有些书籍没有简介,所以做了一个判断if语句。然后对于价格和评分的查询,使用了两个槽函数,先将书名传进来,然后根据书名匹配书籍,再获取价格和评分。其中那个mark变量就是来标识匹配到书籍,然后跳出循环用的。

  4. 数据的存储和功能的实现

    ?

    ?

    ?

  5. 最后上代码

    # -*- coding: utf-8 -*-
    
    # Form implementation generated from reading ui file 'spider.ui'
    #
    # Created by: PyQt5 UI code generator 5.15.4
    #
    # WARNING: Any manual changes made to this file will be lost when pyuic5 is
    # run again.  Do not edit this file unless you know what you are doing.
    
    
    from PyQt5 import QtCore, QtGui, QtWidgets
    import requests
    from lxml import etree
    import sys
    import time
    import os
    import pandas as pd
    from PyQt5.QtWidgets import QApplication
    
    class Ui_Form(object):
        def setupUi(self, Form):
            Form.setObjectName("Form")
            Form.resize(400, 300)
            self.label = QtWidgets.QLabel(Form)
            self.label.setGeometry(QtCore.QRect(60, 40, 71, 20))
            self.label.setObjectName("label")
            self.lineEdit = QtWidgets.QLineEdit(Form)
            self.lineEdit.setGeometry(QtCore.QRect(130, 40, 113, 20))
            self.lineEdit.setObjectName("lineEdit")
            self.pushButton = QtWidgets.QPushButton(Form)
            self.pushButton.setGeometry(QtCore.QRect(70, 80, 75, 23))
            self.pushButton.setObjectName("pushButton")
            self.pushButton_2 = QtWidgets.QPushButton(Form)
            self.pushButton_2.setGeometry(QtCore.QRect(230, 80, 75, 23))
            self.pushButton_2.setObjectName("pushButton_2")
            self.label_2 = QtWidgets.QLabel(Form)
            self.label_2.setGeometry(QtCore.QRect(30, 130, 31, 16))
            self.label_2.setObjectName("label_2")
            self.lineEdit_2 = QtWidgets.QLineEdit(Form)
            self.lineEdit_2.setGeometry(QtCore.QRect(60, 130, 113, 20))
            self.lineEdit_2.setObjectName("lineEdit_2")
            self.label_3 = QtWidgets.QLabel(Form)
            self.label_3.setGeometry(QtCore.QRect(190, 130, 31, 16))
            self.label_3.setObjectName("label_3")
            self.lineEdit_3 = QtWidgets.QLineEdit(Form)
            self.lineEdit_3.setGeometry(QtCore.QRect(220, 130, 113, 20))
            self.lineEdit_3.setObjectName("lineEdit_3")
            self.pushButton_3 = QtWidgets.QPushButton(Form)
            self.pushButton_3.setGeometry(QtCore.QRect(130, 190, 111, 23))
            self.pushButton_3.setObjectName("pushButton_3")
            self.textEdit = QtWidgets.QTextEdit(Form)
            self.textEdit.setGeometry(QtCore.QRect(240, 250, 151, 31))
            self.textEdit.setObjectName("textEdit")
    
    
            self.retranslateUi(Form)
            self.pushButton.clicked.connect(self.jiage)
            self.pushButton_2.clicked.connect(self.pingfeng)
            self.pushButton_3.clicked.connect(self.xiazai)
            QtCore.QMetaObject.connectSlotsByName(Form)
    
        def retranslateUi(self, Form):
            _translate = QtCore.QCoreApplication.translate
            Form.setWindowTitle(_translate("Form", "Form"))
            self.label.setText(_translate("Form", "请输入书名"))
            self.pushButton.setText(_translate("Form", "查询价格"))
            self.pushButton_2.setText(_translate("Form", "查询评分"))
            self.label_2.setText(_translate("Form", "价格"))
            self.label_3.setText(_translate("Form", "评分"))
            self.pushButton_3.setText(_translate("Form", "下载所有信息和图片"))
            self.textEdit.setHtml(_translate("Form",
                                             "<!DOCTYPE HTML PUBLIC \"-//W3C//DTD HTML 4.0//EN\" \"http://www.w3.org/TR/REC-html40/strict.dtd\">\n"
                                             "<html><head><meta name=\"qrichtext\" content=\"1\" /><style type=\"text/css\">\n"
                                             "p, li { white-space: pre-wrap; }\n"
                                             "</style></head><body style=\" font-family:\'SimSun\'; font-size:9pt; font-weight:400; font-style:normal;\">\n"
                                             "<p style=\" margin-top:0px; margin-bottom:0px; margin-left:0px; margin-right:0px; -qt-block-indent:0; text-indent:0px;\"><span style=\" font-size:10pt; font-style:italic; color:#7f7c7f;\">提示框:</span></p></body></html>"))
    
        #爬取价格
        def jiage(self):
    
            shuming=self.lineEdit.text()
            self.textEdit.setText("加载中,请稍等...")
            QApplication.processEvents()
            mark=0
            for i in range(10):
    
                url = 'https://book.douban.com/top250?start=' +str(i*25)
                headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:95.0) Gecko/20100101 Firefox/95.0'}
                html = requests.get(url, headers=headers)
                html.encoding = html.apparent_encoding
                html = etree.HTML(html.text)
                tables = html.xpath("//div[@class='indent']//table")
                for t in tables:
                    title = t.xpath(".//td[@valign='top']//a/@title")[0]
                    price = t.xpath(".//td[@valign='top']//p[1]/text()")[0].split('/')[-1]
                    if shuming=="{}".format(title):
                        self.lineEdit_2.setText("{}".format(price))
                        self.textEdit.setText("查询完成。")
                        mark=1
                        break
                    else:
                        self.lineEdit_2.setText("none")
                if mark==1:
                    break
                time.sleep(1)
    
    
    #爬取评分
    
    
        def pingfeng(self):
            self.textEdit.setText("加载中,请稍等...")
            QApplication.processEvents()
            shumin=self.lineEdit.text()
            sign=0
            for i in range(10):
                url = 'https://book.douban.com/top250?start=' +str(i*25)
                headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:95.0) Gecko/20100101 Firefox/95.0'}
                html = requests.get(url, headers=headers)
                html.encoding = html.apparent_encoding
                html = etree.HTML(html.text)
                tables = html.xpath("//div[@class='indent']//table")
                for t in tables:
                    title = t.xpath(".//td[@valign='top']//a/@title")[0]
                    score = t.xpath(".//span[@class='rating_nums']/text()")[0]
                    if shumin == "{}".format(title):
                        self.lineEdit_3.setText("{}".format(score))
                        self.textEdit.setText("查询完毕。")
                        sign=1
                        break
                    else:
                        self.lineEdit_3.setText("none")
                if sign==1:
                    break
                time.sleep(1)
    #下载
        def xiazai(self):
            self.textEdit.setText("下载中,请稍等...")
            QApplication.processEvents()
            IMGURLS = []
            BOOKS = []
            for i in range(10):
                url = 'https://book.douban.com/top250?start=' +str(i*25)
                headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:95.0) Gecko/20100101 Firefox/95.0'}
                html = requests.get(url, headers=headers)
                html.encoding = html.apparent_encoding
                html = etree.HTML(html.text)
                tables = html.xpath("//div[@class='indent']//table")
                books=[]
                imgurls = []
                for t in tables:
                    title = t.xpath(".//td[@valign='top']//a/@title")[0]
                    author = t.xpath(".//td[@valign='top']//p[1]/text()")[0].split('/')[0]
                    price = t.xpath(".//td[@valign='top']//p[1]/text()")[0].split('/')[-1]
                    press_time = t.xpath(".//td[@valign='top']//p[1]/text()")[0].split('/')[-2]
                    rating_score = t.xpath(".//span[@class='rating_nums']/text()")[0]
                    produce = t.xpath(".//p[@class='quote']/span/text()")
                    imgurl = t.xpath(".//a/img/@src")[0]
    
                    if produce is not None:
                        book = {'title': title, 'authon': author, 'price': price, 'press_time': press_time,
                                'rating_score': rating_score,  'produce': produce}
                    else:
                        book = {'title': title, 'authon': author, 'price': price, 'press_time': press_time,
                                'rating_score': rating_score,  'produce': None}
                    books.append(book)
                    imgurls.append(imgurl)
                BOOKS.extend(books)
                IMGURLS.extend(imgurls)
            for i in range(250):#保存数据
                sm=BOOKS[i]
                zp=IMGURLS[i]
                if 'bookposter' in os.listdir(r'C:\Users\hp\PycharmProjects\pythonProject7'):
                    pass
                else:
                    os.mkdir(r'C:\Users\hp\PycharmProjects\pythonProject7\bookposter')
                os.chdir(r'C:\Users\hp\PycharmProjects\pythonProject7\bookposter')
    
                img = requests.request('GET', zp).content#返回原生字符串,是bytes类型   .text是解码后的字符串,是unicode类型
    
                with open(sm['title'] + '.jpg', 'wb') as f:
                    f.write(img)
            os.chdir(r'C:\Users\hp\PycharmProjects\pythonProject7')
    
            bookdata = pd.DataFrame(BOOKS)
            bookdata.to_csv('book.csv', index=False, encoding='utf-8-sig')
    
            self.textEdit.setText("下载完毕,请查看文件。")
    
    
    
    if __name__ == "__main__":
     app = QtWidgets.QApplication(sys.argv)
     widget = QtWidgets.QWidget()
     ui = Ui_Form()
     ui.setupUi(widget)
     widget.show()
     sys.exit(app.exec_())

  开发工具 最新文章
Postman接口测试之Mock快速入门
ASCII码空格替换查表_最全ASCII码对照表0-2
如何使用 ssh 建立 socks 代理
Typora配合PicGo阿里云图床配置
SoapUI、Jmeter、Postman三种接口测试工具的
github用相对路径显示图片_GitHub 中 readm
Windows编译g2o及其g2o viewer
解决jupyter notebook无法连接/ jupyter连接
Git恢复到之前版本
VScode常用快捷键
上一篇文章      下一篇文章      查看所有文章
加:2021-12-23 15:56:13  更:2021-12-23 15:57:42 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年12日历 -2024/12/25 0:04:13-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码
数据统计