用python+selenium抓取豆瓣读书中最受关注图书并按评分排序
抓取豆瓣读书中的(http://book.douban.com/)最受关注图书,按照评分排序,并保存至txt文件中,需要抓取书籍的名称,作者,评分,体裁和一句话评
方法一:
#coding=utf-8
from selenium import webdriver
from time import sleep
class DoubanPopularBook:
def __init__(self):
self.dr = webdriver.Chrome()
self.popular_books_list = self.get_douban_popular_books()
def get_douban_popular_books(self):
self.dr.get('https://book.douban.com/')
sleep(3)
popular_books_list = [] #定义一个空list用于存放获取的书籍信息
i = 0
while i < 10: #总共10本书
book_info = self.dr.find_elements_by_css_selector("[class='list-col list-col2 list-summary s']>li")[i].text #通过css用class属性和标签li组合来获取书籍所有文本信息
popular_books_list.append(book_info.split('\n')) #向空list追加书籍信息用并换行符隔开
i += 1 #每本书籍的li标签间隔为1
#popular_books_list.sort(key=lambda x:float(x[1][0:3]), reverse=True) #用sort中key方法根据书籍评分从高到低进行排序
popular_books_list = sorted(popular_books_list, key=lambda book:float(book[1][0:3]), reverse=True)
return popular_books_list
def get_popular_books_rank_file(self):
self.file_title = '豆瓣最受关注图书榜之评分排行'
self.file = open(self.file_title + '.txt', 'wb')
for item in self.popular_books_list:
separate_line = '~~~~~~~~~~~~~~~~~~~~~~~~\n'
self.file.write(separate_line.encode('utf-8'))
self.file.write(('书籍名称:'+item[0]+'\n').encode('utf-8'))
self.file.write(('评分:'+item[1]+'\n').encode('utf-8'))
self.file.write((item[2]+'\n').encode('utf-8'))
self.file.write(('体裁:'+item[3]+'\n').encode('utf-8'))
if item[4] == '有电子书':
self.file.write(('一句话评论:'+item[5]+'\n').encode('utf-8'))
else:
self.file.write(('一句话评论:'+item[4]+'\n').encode('utf-8'))
self.file.close()
def quit(self):
self.dr.quit()
if __name__ == '__main__':
popular_books = DoubanPopularBook()
popular_books.get_popular_books_rank_file()
popular_books.quit()
方法二:
#coding=utf-8
from selenium import webdriver
from time import sleep
class DoubanPopularBook:
def __init__(self):
self.dr = webdriver.Chrome()
self.popular_books_list = self.get_douban_popular_books()
def get_douban_popular_books(self):
self.dr.get('https://book.douban.com/')
sleep(3)
popular_books_list = [] #定义一个空list用于存放获取的书籍信息
i = 0
while i < 10: #总共10本书
book_name = self.dr.find_elements_by_xpath("//h4[@class='title']/a")[i].text #定位书籍名称
book_grade = self.dr.find_elements_by_css_selector('.average-rating')[i].text #定位评分
book_auther = self.dr.find_elements_by_xpath("//p[@class='author']")[i].text #定位作者
book_genre = self.dr.find_elements_by_css_selector('.book-list-classification')[i].text #定位体裁
book_comment = self.dr.find_elements_by_css_selector('.reviews')[i].text #定位一句话评论
popular_books_list.append([book_name, book_grade, book_auther, book_genre, book_comment]) #向空list追加书籍信息
i += 1 #每本书籍间隔为1
popular_books_list = sorted(popular_books_list, key=lambda x:float(x[1]), reverse=True) #用sorted方法按评分从高到低排序
return popular_books_list
def get_popular_books_rank_file(self):
self.file_title = '豆瓣最受关注图书榜之评分排行'
self.file = open(self.file_title + '.txt', 'wb')
for item in self.popular_books_list:
separate_line = '~~~~~~~~~~~~~~~~~~~~~~~~\n'
self.file.write(separate_line.encode('utf-8'))
self.file.write(('书籍名称:'+item[0]+'\n').encode('utf-8'))
self.file.write(('评分:'+item[1]+'\n').encode('utf-8'))
self.file.write((''+item[2]+'\n').encode('utf-8'))
self.file.write(('体裁:'+item[3]+'\n').encode('utf-8'))
self.file.write(('一句话评论:'+item[4]+'\n').encode('utf-8'))
self.file.close()
def quit(self):
self.dr.quit()
if __name__ == '__main__':
popular_books = DoubanPopularBook()
popular_books.get_popular_books_rank_file()
popular_books.quit()
方法三:
# coding=utf-8
from selenium import webdriver
import unittest
from time import sleep
class DoubanBooks(unittest.TestCase):
def setUp(self):
self.dr = webdriver.Chrome()
self.popular_books_list = self.get_douban_popular_books()
self.books = self.get_popular_books_rank_file()
def get_douban_popular_books(self):
self.dr.get("https://book.douban.com/")
sleep(5)
book_name = self.dr.find_elements_by_xpath("//h4[@class='title']/a") #定位书名
book_author = self.dr.find_elements_by_xpath("//p[@class='author']") #定位作者
book_grade = self.dr.find_elements_by_xpath("//span[@class='average-rating']") #定位评分
book_genre = self.dr.find_elements_by_xpath("//p[@class='book-list-classification']") #定位体裁
book_comment = self.dr.find_elements_by_xpath("//p[@class='reviews']") #定位评论
douban_most_popular_book_list = [] #定义空list用来放置书籍信息
x = 0
while x < len(book_name): #数目为书名的个数
douban_most_popular_book_list.append([book_name[x].text, book_author[x].text, book_grade[x].text, book_genre[x].text,book_comment[x].text])
x += 1
douban_most_popular_book_list = sorted(douban_most_popular_book_list, key=lambda book_grade: book_grade[2],reverse=True) #用sorted方法按评分从高到低排名
return douban_most_popular_book_list
def get_popular_books_rank_file(self):
self.file_title = '豆瓣最受关注图书榜之评分排行'
self.file = open(self.file_title + '.txt', 'wb')
for item in self.popular_books_list:
separate_line = '~~~~~~~~~~~~~~~~~~~~~~~~\n' #分隔符
self.file.write(separate_line.encode('utf-8'))
self.file.write(('书籍名称:'+item[0]+'\n').encode('utf-8'))
self.file.write((''+item[1]+'\n').encode('utf-8'))
self.file.write(('评分:'+item[2]+'\n').encode('utf-8'))
self.file.write(('体裁:'+item[3]+'\n').encode('utf-8'))
self.file.write(('一句话评论:'+item[4]+'\n').encode('utf-8'))
self.file.close()
def test_books(self):
pass
print("获取完毕")
def tearDown(self):
self.dr.quit()
if __name__ == "__main__":
unittest.main()
网页如下:


生成txt效果如下:

用python+selenium抓取豆瓣读书中最受关注图书并按评分排序的更多相关文章
- 用python+selenium抓取豆瓣电影中的正在热映前12部电影并按评分排序
抓取豆瓣电影(http://movie.douban.com/nowplaying/chengdu/)中的正在热映前12部电影,并按照评分排序,保存至txt文件 #coding=utf-8 from ...
- Python爬虫----抓取豆瓣电影Top250
有了上次利用python爬虫抓取糗事百科的经验,这次自己动手写了个爬虫抓取豆瓣电影Top250的简要信息. 1.观察url 首先观察一下网址的结构 http://movie.douban.com/to ...
- 哪吒票房超复联4,100行python代码抓取豆瓣短评,看看网友怎么说
<哪吒之魔童降世>这部国产动画巅峰之作,上映快一个月时间,票房口碑双丰收. 迄今已有超一亿人次观看,票房达到42.39亿元,超过复联4,跻身中国票房纪录第三名,仅次于<战狼2> ...
- 用python+selenium抓取微博24小时热门话题的前15个并保存到txt中
抓取微博24小时热门话题的前15个,抓取的内容请保存至txt文件中,需要抓取排行.话题和阅读数 #coding=utf-8 from selenium import webdriver import ...
- 用python+selenium抓取知乎今日最热和本月最热的前三个问题及每个问题的首个回答并保存至html文件
抓取知乎今日最热和本月最热的前三个问题及每个问题的首个回答,保存至html文件,该html文件的文件名应该是20160228_zhihu_today_hot.html,也就是日期+zhihu_toda ...
- PHP抓取豆瓣读书爬虫代码
<?php//演示地址 http://asizu.sinaapp.com/reptile_douban.php//数据量不是特别大,没有写抓完数据便停止. 喜欢的朋友拿去自己改改就好了 head ...
- python爬虫抓取豆瓣电影
抓取电影名称以及评分,并排序(代码丑炸) import urllib import re from bs4 import BeautifulSoup def get(p): t=0 k=1 n=1 b ...
- Python爬虫爬取豆瓣读书
一,准备工作. 工具:win10+Python3.6 爬取目标:爬取图中红色方框的内容. 原则:能在源码中看到的信息都能爬取出来. 信息表现方式:CSV转Excel. 二,具体步骤. 先给出具体代码吧 ...
- Python抓取豆瓣电影top250!
前言 本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理.作者:404notfound 一直对爬虫感兴趣,学了python后正好看到 ...
随机推荐
- 获取app安装信息私有api
@class LSApplicationProxy, NSArray, NSDictionary, NSProgress, NSString, NSURL, NSUUID; @interface LS ...
- 多线程完成socket
//服务器端代码 public class Service { //服务器 public static void main(String[] args) { ServerSocket serverSo ...
- arrayLen
var i;for (i = categoryList.length - 1; i >= 0; i -= 1) { var categoryValue=categoryList[i]; if ( ...
- Bootstrap<基础二十七> 多媒体对象(Media Object)
Bootstrap 中的多媒体对象(Media Object).这些抽象的对象样式用于创建各种类型的组件(比如:博客评论),我们可以在组件中使用图文混排,图像可以左对齐或者右对齐.媒体对象可以用更少的 ...
- nginx url重定向
nginx内部支持url rewrite,内部编译进去了rewrite模块,nginx的rewrite模块类似于apache的rewriterule功能:支持多种规则和正则表达式: 详细介绍如下: N ...
- C++虚函数和虚函数表
前导 在上面的博文中描述了基类中存在虚函数时,基类和派生类中虚函数表的结构. 在派生类也定义了虚函数时,函数表又是怎样的结构呢? 先看下面的示例代码: #include <iostream> ...
- js②
操作符 ECMA-262描述了一组用于操作数据值的操作符,包括算术操作符(如加号和减号).位操作符.关系操作符和相等操作符. 一元操作符 递增和递减操作符(++ --) 一元加和减操作符 对非数值应用 ...
- break into Ubuntu System
This morning, I got a spare machine from of of the labmates. The OS is ubuntu 12.04. I could not log ...
- 堆糖瀑布流完整解决方案(jQuery)
2010年堆糖创办以来,网站界面经历过3-5次重大改版,logo也曾更换过两次,早期蓝红相间三个圈的logo恐怕很少有人记得了.与此同时,前端 js 框架也在默默的更新换代.最早堆糖上线时,js 采用 ...
- iOS---初识Swift(一)
一.Swift简介 ○ 2010年的夏天, 苹果公司的开发人员Chris Latten接到了一个特别的任务, 为OS X 和iOS平台开发下一代编程语言, 也就是Swift. ○ 苹果公司于2014年 ...