日韩久久久精品,亚洲精品久久久久久久久久久,亚洲欧美一区二区三区国产精品 ,一区二区福利

Python抓取京東圖書評論數據

系統 2133 0

?京東圖書評論有非常豐富的信息,這里面就包含了購買日期、書名、作者、好評、中評、差評等等。以購買日期為例,使用Python + Mysql的搭配進行實現,程序不大,才100行。相關的解釋我都在程序里加注了:

from selenium import webdriver
from bs4 import BeautifulSoup
import re
import win32com.client
import threading,time
import MySQLdb

def mydebug():
??? driver.quit()
??? exit(0)

def catchDate(s):
??? """頁面數據提取"""
??? soup = BeautifulSoup(s)
??? z = []
??? global nowtimes
???
??? m = soup.findAll("div",class_="date-buy")
??? for obj in m:
??????? try:
??????????? tmp = obj.find('br').contents
??????? except Exception, e:
??????????? continue
??????? if(tmp != ""):
??????????? z.append(tmp)
??????????? nowtimes += 1
??? return z

def getTimes(n,t):
??? """獲取當前進度"""
??? return "當前進度為:" + str(int(100*n/t)) + "%"


#―――――――――――――――――――――――――――――――――――| 程序開始 |―――――――――――――――――――――――――――――――――
#確定圖書大類
cate = {"3273":"歷史","3279":"心理學","3276":"政治軍事","3275":"國學古籍","3274":"哲學宗教","3277":"法律","3280":"文化","3281":"社會科學"}

#斷點續抓
num1 = input("bookid:")
num2 = input("pagenumber:")

#生成圖書大類鏈接,共需17355*20 = 347100次
totaltimes = 347100.0
nowtimes = 0

#開啟webdirver的PhantomJS對象
#driver = webdriver.PhantomJS()
driver = webdriver.Ie('C:\Python27\Scripts\IEDriverServer')
#driver = webdriver.Chrome('C:\Python27\Scripts\chromedriver')

#讀出Mysql中的評論頁面,進行抓取
# 連接數據庫 
try:
??? conn = MySQLdb.connect(host='localhost',user='root',passwd='',db='jd')
except Exception, e:
??? print e
??? sys.exit()

# 獲取cursor對象
cursor = conn.cursor()
sql = "SELECT * FROM booknew ORDER BY pagenumber DESC"
cursor.execute(sql)
alldata = cursor.fetchall()

flag = 0
flag2 = 0

# 如果有數據返回就循環輸出,http://club.jd.com/review/10178500-1-154.html
if alldata:
??? for rec in alldata:
??????? #rec[0]--bookid,rec[1]--cateid,rec[2]--pagenumber
??????? if(rec[0] != str(num1) and flag == 0):
??????????? continue
??????? else:
??????????? flag = 1
??????? for p in range(num2,rec[2]):
??????????? if(flag2 == 0):
??????????????? num2 = 0
??????????????? flag2 = 1
??????????? p += 1
??????????? link = "http://club.jd.com/review/" + rec[0] + "-1-" + str(p) + ".html"
??????????? #抓網頁
??????????? driver.get(link)
??????????? html = driver.page_source
??????????? #抓評論
??????????? buydate = catchDate(html)
??????????? #寫入數據庫
??????????? for z in buydate:
??????????????? sql = "INSERT INTO ljj (id, cateid, bookid, date) VALUES (NULL, '" + rec[0] + "','" + rec[1] + "','" + z[0] + "');"
??????????????? try:
??????????????????? cursor.execute(sql)
??????????????? except Exception, e:
??????????????????? print e
??????????? conn.commit()
??????? print getTimes(nowtimes,totaltimes)

driver.quit()
cursor.close()
conn.close()


更多文章、技術交流、商務合作、聯系博主

微信掃碼或搜索:z360901061

微信掃一掃加我為好友

QQ號聯系: 360901061

您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧,狠狠點擊下面給點支持吧,站長非常感激您!手機微信長按不能支付解決辦法:請將微信支付二維碼保存到相冊,切換到微信,然后點擊微信右上角掃一掃功能,選擇支付二維碼完成支付。

【本文對您有幫助就好】

您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描上面二維碼支持博主2元、5元、10元、自定義金額等您想捐的金額吧,站長會非常 感謝您的哦?。。?/p>

發表我的評論
最新評論 總共0條評論
主站蜘蛛池模板: 平南县| 永和县| 来宾市| 永善县| 南昌县| 蕉岭县| 灵璧县| 柯坪县| 湘西| 玉溪市| 自贡市| 潜江市| 卓资县| 常宁市| 邢台市| 枣庄市| 西和县| 铁岭市| 马山县| 库车县| 中超| 同心县| 晋中市| 汶上县| 锦州市| 格尔木市| 萨迦县| 手游| 宾川县| 乡宁县| 凤庆县| 客服| 屯昌县| 长乐市| 石门县| 右玉县| 新竹县| 会宁县| 天全县| 额尔古纳市| 阳泉市|