爬取动态网页数据
- 作者: 2b哥
- 来源: 51数据库
- 2022-08-12
#coding:utf-8
import urllib2
import re
from bs4 import BeautifulSoup
class fanli():
def __init__(self):
self.usr_agent='Mozilla/5.0 (Windows NT 6.2; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/46.0.2490.86 Safari/537.36'
self.headers={'usr_agent',self.usr_agent}
self.p=1
self.pageIndex=1
def getHtml(self,p,pageIndex):
try:
url='http://www.51sjk.com/Upload/Articles/1/0/320/320871_20220812160025222.jpg'+str(pageIndex)+'-'+str(p)+'&area=0&tag_id=0&shop_id=0'
request=urllib2.Request(url)
page=urllib2.urlopen(request)
html=page.read()
return html
except urllib2.URLError,e:
if hasattr(e,'reason'):
print u'连接失败',e.reason
return None
def getItems(self):
with open('fanli.txt','a') as f:
f.write('商品名称'+'|'+'分类'+'|'+'推荐人'+'|'+'好评数'+'|'+'差评数'+'\n')
for pageIndex in range(1,51):
for p in range(1,11):
html=self.getHtml(pageIndex,p)#IndexError:list index out of range在第11页出现的问题
html=self.getHtml(pageIndex,p)
rep=re.compile(' J_tklink_tmall')
data=rep.sub('',html)
soup=BeautifulSoup(data)
name_list=soup.find_all('a',class_='J-item-track nodelog')#商品名称
fenlei_list=soup.find_all('a',class_='nine')#分类
usr_list=soup.find_all('div', class_='item-user')#推荐人
yes_list=soup.find_all('a',class_='l item-vote-yes J-item-vote-yes')#好评
no_list=soup.find_all('a',class_='l item-vote-no J-item-vote-no')#差评
f=open('fanli.txt','a')
for i in range(0,5):
f.write(name_list[i].get_text(strip=True).encode("utf-8")+'|'\
+fenlei_list[i].get_text(strip=True).encode("utf-8")+'|'\
+usr_list[i].get_text(strip=True).encode("utf-8")+'|'\
+yes_list[i].get_text(strip=True).encode("utf-8")+'|'\
+no_list[i].get_text(strip=True).encode("utf-8")+'|'+'\n')
f.close()
spider=fanli()
spider.getItems()
推荐阅读
热点文章
Discord.py(重写)on_member_update 无法正常工作
0
Discord.py 在 vc 中获取用户分钟数
0
discord.py 重写 |为我的命令出错
0
Discord.py rewrite 如何 DM 命令?
0
播放音频时,最后一部分被切断.如何解决这个问题?(discord.py)
0
在消息删除消息 Discord.py
0
如何使 discord.py 机器人私人/直接消息不是作者的人?
0
(Discord.py) 如何获取整个嵌入内容?
0
Discord bot 尽管获得了许可,但不能提及所有人
0
Discord.py discord.NotFound 异常
0
