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(píng)論數(shù)據(jù)

系統(tǒng) 2205 0

?京東圖書評(píng)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(píng)、中評(píng)、差評(píng)等等。以購買日期為例,使用Python + Mysql的搭配進(jìn)行實(shí)現(xiàn),程序不大,才100行。相關(guān)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(shù)據(jù)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(dāng)前進(jìn)度"""
??? return "當(dāng)前進(jìn)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(xué)","3276":"政治軍事","3275":"國學(xué)古籍","3274":"哲學(xué)宗教","3277":"法律","3280":"文化","3281":"社會(huì)科學(xué)"}

#斷點(diǎn)續(xù)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(duì)象
#driver = webdriver.PhantomJS()
driver = webdriver.Ie('C:\Python27\Scripts\IEDriverServer')
#driver = webdriver.Chrome('C:\Python27\Scripts\chromedriver')

#讀出Mysql中的評(píng)論頁面,進(jìn)行抓取
# 連接數(shù)據(jù)庫 
try:
??? conn = MySQLdb.connect(host='localhost',user='root',passwd='',db='jd')
except Exception, e:
??? print e
??? sys.exit()

# 獲取cursor對(duì)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(shù)據(jù)返回就循環(huán)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(wǎng)頁
??????????? driver.get(link)
??????????? html = driver.page_source
??????????? #抓評(píng)論
??????????? buydate = catchDate(html)
??????????? #寫入數(shù)據(jù)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(shù)交流、商務(wù)合作、聯(lián)系博主

微信掃碼或搜索:z360901061

微信掃一掃加我為好友

QQ號(hào)聯(lián)系: 360901061

您的支持是博主寫作最大的動(dòng)力,如果您喜歡我的文章,感覺我的文章對(duì)您有幫助,請(qǐng)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(diǎn)擊下面給點(diǎn)支持吧,站長非常感激您!手機(jī)微信長按不能支付解決辦法:請(qǐng)將微信支付二維碼保存到相冊(cè),切換到微信,然后點(diǎn)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(duì)您有幫助就好】

您的支持是博主寫作最大的動(dòng)力,如果您喜歡我的文章,感覺我的文章對(duì)您有幫助,請(qǐng)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(huì)非常 感謝您的哦!!!

發(fā)表我的評(píng)論
最新評(píng)論 總共0條評(píng)論
主站蜘蛛池模板: 平邑县| 台南市| 佛冈县| 绩溪县| 永康市| 萨迦县| 抚顺市| 泗水县| 山东省| 锡林郭勒盟| 安溪县| 茌平县| 双牌县| 樟树市| 长宁区| 肃北| 岚皋县| 新兴县| 平阴县| 富源县| 老河口市| 巨鹿县| 江油市| 临泉县| 迭部县| 伊金霍洛旗| 深州市| 浦县| 邢台市| 兴化市| 眉山市| 交城县| 达州市| 塔河县| 开封市| 桂林市| 凤台县| 莱阳市| 大余县| 永泰县| 布尔津县|