栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 软件开发 > 后端开发 > Python

简易爬虫

Python 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

简易爬虫

request简易爬虫——京东数据
# -*- coding=utf-8 -*-
import requests
import json
import re
from bs4 import BeautifulSoup
import pymysql


class SpiderJd:
    def __init__(self):
        self.header = {
            'Content-Type': 'text/html; charset=UTF-8',
            'Content-Encoding': 'gzip',
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.107 Safari/537.36'
        }

    def response_handle(self, base_url):
        req = requests.get(base_url, headers=self.header)
        return req

    def parse(self, response):
        soup = BeautifulSoup(response.text, 'lxml')
        all_da00 = soup.find_all('ul', class_="gl-warp clearfix")[0]
        all_data = all_da00.find_all('li')
        return all_data

    def save_data(self, data):
        title = data.find_all('i', class_="promo-words")[0].text
        img_base = "https://" + re.findall('-img="//(.*?\.jpg)"', str(data))[0]
        price = "¥" + data.select('strong > i')[0].text
        # comment_num = data.find_all('div', class_="p-commit")  # 评论数据异步加载
        privilege = [i.text for i in data.find_all('i', class_="goods-icons4 J-picon-tips")]  # 优惠信息
        data_d = {'title': title, 'img': img_base, 'price': price, 'privilege': privilege}
        with open('Jd.json', 'a+', encoding='utf-8') as f:
            json.dump(data_d, f, ensure_ascii=False)
            f.write('n')


    def main(self):
        url = "https://list.jd.com/list.html?cat=16750,16755,16809"
        resp = self.response_handle(url)
        par = self.parse(resp)
        for i in par:
            self.save_data(i)


if __name__ == '__main__':
    crawl = SpiderJd()
    crawl.main()


转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/487605.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号