Python3获取豆瓣图书标签的前20本热门书籍(一)

Stella981
• 阅读 345

介绍


第一篇主要获取豆瓣的大分类、大分类下的具体分类以及具体分类下的前20本热门书籍,第二篇对获取的数据进行分析。

准备

Python3.6、requests、BeautifulSoup4

演示

Python3获取豆瓣图书标签的前20本热门书籍(一)

代码

# -*- coding: utf-8 -*-
# @Author: Sexy Phoenix
# @Last Modified by:   Sexy Phoenix
import requests
from bs4 import BeautifulSoup, SoupStrainer

#内容解析类
class Parse:
 
    #解析分类
    def parse_tags(self, content):

        only_div_tags = SoupStrainer('div', 'article')
        soup = BeautifulSoup(content, 'lxml', parse_only=only_div_tags)

        category = {}
        sub_category = {}

        # 解析大分类
        tag_title_wrapper = soup.find_all('a', 'tag-title-wrapper')

        for index,tag in enumerate(tag_title_wrapper):
            category[index] = tag.get('name')

        # 解析大分类下的具体分类
        tagCol = soup.find_all('table', "tagCol")
        for i,tag in enumerate(soup.find_all('table', "tagCol")):
            a = tag.find_all('a')
            sub_category[i] = []
            for t in a:
                sub_category[i].append(t.string)

        return category, sub_category
    
    #解析具体分类前20分书籍
    def parse_detail_tag(self, content):

        detail_conent = []
        only_ul_tags = SoupStrainer('ul', 'subject-list')
        soup = BeautifulSoup(content, 'lxml', parse_only=only_ul_tags)

        for li in soup.find_all('li', 'subject-item'):

            info = li.find('div', 'info')
            title = info.h2.a.get('title')
            star = info.find('span', 'rating_nums')
            extra_info = info.h2.next_sibling.next_sibling.string.split('/')
            author = extra_info[0].strip()
            price = extra_info[-1].strip()
            appraise = star.string
            appraise_num = star.next_sibling.next_sibling.string.strip()

            detail_conent.append({
                'title': title,
                'price': price,
                'author': author,
                'appraise':appraise,
                'appraise_num': appraise_num
            })

        return detail_conent

#内容获取类
class Spider:

    def __init__(self):

        self.url = 'https://book.douban.com/tag/?view=type&icn=index-sorttags-all'
        self.tag_url = 'https://book.douban.com/tag/'
        self.headers = {
            'User-Agent' : 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.100 Safari/537.36'
        }
        self.parse = Parse()
    
    #获取分类HTML内容
    def get_all_tag(self):

        data = requests.get(self.url, headers=self.headers)
        if(data.status_code == requests.codes.ok):
            return self.parse.parse_tags(data.text)
        else:
            print('[ERROR]: GET Category Error')

    #获取书籍HTML内容
    def get_detail_tag(self, tag_name):
        data = requests.get(self.tag_url + tag_name, self.headers)
        if(data.status_code == requests.codes.ok):
            return self.parse.parse_detail_tag(data.text)
        else:
            print('[ERROR]: GET Sub Category Error')

    #显示
    def show(self):

        category, sub_category = self.get_all_tag()
        print('豆瓣大分类:')
        for index,value in category.items():
            i = index + 1
            print("{0}、{1}".format(i, value))
        try:
            key = int(input('请输入您选择的大分类:')) - 1
            sub_cate = sub_category[key]
            for index in range(len(sub_cate)):
                i = index + 1
                print("{0}、{1}".format(i, sub_cate[index]))
            try:
                sub_key  = int(input('请输入您选择的具体分类:')) - 1
                tag_name = sub_cate[sub_key]
                detail_content = self.get_detail_tag(tag_name)

                for book in detail_content:
                    print('\n')
                    print(book['title'])
                    print("作者:{0}, 价格:{1}, 评分:{2}{3}".format(book['author'],book['price'], book['appraise'], book['appraise_num']))
                    print('='*50)

            except:
                print('[ERROR]: 具体分类选择错误')
        except:
            print('[ERROR]: 大分类选择错误')

#入口
if __name__ == '__main__':
    spider = Spider()
    spider.show()
点赞
收藏
评论区
推荐文章
blmius blmius
2年前
MySQL:[Err] 1292 - Incorrect datetime value: ‘0000-00-00 00:00:00‘ for column ‘CREATE_TIME‘ at row 1
文章目录问题用navicat导入数据时,报错:原因这是因为当前的MySQL不支持datetime为0的情况。解决修改sql\mode:sql\mode:SQLMode定义了MySQL应支持的SQL语法、数据校验等,这样可以更容易地在不同的环境中使用MySQL。全局s
Jacquelyn38 Jacquelyn38
2年前
2020年前端实用代码段,为你的工作保驾护航
有空的时候,自己总结了几个代码段,在开发中也经常使用,谢谢。1、使用解构获取json数据let jsonData  id: 1,status: "OK",data: 'a', 'b';let  id, status, data: number   jsonData;console.log(id, status, number )
皕杰报表之UUID
​在我们用皕杰报表工具设计填报报表时,如何在新增行里自动增加id呢?能新增整数排序id吗?目前可以在新增行里自动增加id,但只能用uuid函数增加UUID编码,不能新增整数排序id。uuid函数说明:获取一个UUID,可以在填报表中用来创建数据ID语法:uuid()或uuid(sep)参数说明:sep布尔值,生成的uuid中是否包含分隔符'',缺省为
Java修道之路,问鼎巅峰,我辈代码修仙法力齐天
<center<fontcolor00FF7Fsize5face"黑体"代码尽头谁为峰,一见秃头道成空。</font<center<fontcolor00FF00size5face"黑体"编程修真路破折,一步一劫渡飞升。</font众所周知,编程修真有八大境界:1.Javase练气筑基2.数据库结丹3.web前端元婴4.Jav
Stella981 Stella981
2年前
Python3:sqlalchemy对mysql数据库操作,非sql语句
Python3:sqlalchemy对mysql数据库操作,非sql语句python3authorlizmdatetime2018020110:00:00coding:utf8'''
Stella981 Stella981
2年前
KVM调整cpu和内存
一.修改kvm虚拟机的配置1、virsheditcentos7找到“memory”和“vcpu”标签,将<namecentos7</name<uuid2220a6d1a36a4fbb8523e078b3dfe795</uuid
Wesley13 Wesley13
2年前
00:Java简单了解
浅谈Java之概述Java是SUN(StanfordUniversityNetwork),斯坦福大学网络公司)1995年推出的一门高级编程语言。Java是一种面向Internet的编程语言。随着Java技术在web方面的不断成熟,已经成为Web应用程序的首选开发语言。Java是简单易学,完全面向对象,安全可靠,与平台无关的编程语言。
Stella981 Stella981
2年前
Django中Admin中的一些参数配置
设置在列表中显示的字段,id为django模型默认的主键list_display('id','name','sex','profession','email','qq','phone','status','create_time')设置在列表可编辑字段list_editable
Wesley13 Wesley13
2年前
MySQL部分从库上面因为大量的临时表tmp_table造成慢查询
背景描述Time:20190124T00:08:14.70572408:00User@Host:@Id:Schema:sentrymetaLast_errno:0Killed:0Query_time:0.315758Lock_
Python进阶者 Python进阶者
3个月前
Excel中这日期老是出来00:00:00,怎么用Pandas把这个去除
大家好,我是皮皮。一、前言前几天在Python白银交流群【上海新年人】问了一个Pandas数据筛选的问题。问题如下:这日期老是出来00:00:00,怎么把这个去除。二、实现过程后来【论草莓如何成为冻干莓】给了一个思路和代码如下:pd.toexcel之前把这