最近对Python爬虫比较迷恋,看了些爬虫相关的教程

于是乎跟着一起爬取了58上面的一些商品信息,并存入到xlsx文件中,并通过xlsxwirter的方法给表格设置了一些格式。好了,直接贴代码吧~

#coding:utf-8
from bs4 import BeautifulSoup
import requests
import sys
import xlsxwriter
import re
reload(sys)
sys.setdefaultencoding('utf8') def get_links_from(urls,who_sell=0,page=1):
list_view = 'http://bj.58.com/haidian/pbdn/{}/pn{}/'.format(str(who_sell), str(page))
web_data = requests.get(list_view)
soup = BeautifulSoup(web_data.text, "lxml")
for url in soup.select('td.t a.t'):
url = url.get('href').split('?')[0]
if url.find('zhuanzhuan.58.com') != -1:
urls.append(url)
is_next = soup.select('.next')
if is_next: #如果存在下一页,继续获取url并保存到urls
get_links_from(urls,who_sell,page+1)
return urls def get_views_from(url):
id = url.split('/')[-1].strip('z.shtml')
api = 'http://jst1.58.com/counter?infoid={}'.format(id)
js = requests.get(api)
view = js.text.split('=')[-1]
return view def get_item_info(who_sell):
datas = []
urls = []
urls = get_links_from(urls,who_sell,1) workbook = xlsxwriter.Workbook(u'F:/Python27/magua/download/二手平板.xlsx')
worksheet = workbook.add_worksheet('haidian')
format = workbook.add_format({'bold':True, 'font_color': 'B452CD', 'font_size': 16, 'align':'center', 'bg_color':'FFA54F'})
worksheet.set_row(0, 20) #设置第1行的单元格高度
worksheet.set_column('A:A', 100) #设置第A列的单元格长度
worksheet.set_column('C:C', 15) #设置第C列的单元格长度
worksheet.set_column('D:D', 15) #设置第D列的单元格长度
worksheet.set_column('E:E', 15) #设置第E列的单元格长度
worksheet.write(0, 0, '标题', format)
worksheet.write(0, 1, '价格', format)
worksheet.write(0, 2, '区域', format)
worksheet.write(0, 3, '个人/商家', format)
worksheet.write(0, 4, '浏览量', format)
# workbook.close()
# return row_num = 1
for url in urls:
web_data = requests.get(url)
soup = BeautifulSoup(web_data.text, "lxml")
data = {
'title':soup.title.text.strip(), #strip 去掉字符串中的换行、制表符
'price':soup.select('.price_now i')[0].text, # #代表id
'area':soup.select('.palce_li i')[0].text,
'cate':u'个人' if who_sell ==0 else u'商家',
'view':soup.select('.look_time')[0].text.split('次')[0],
# 'views':get_views_from(url),
}
# datas.append(data) if row_num%2:
format_ = workbook.add_format({'bg_color': 'FFEC8B', 'font_size': 12})
else:
format_ = workbook.add_format({'bg_color': 'FFDAB9', 'font_size': 12})
#write the data into .xlsx file
worksheet.write(row_num, 0, data['title'], format_)
worksheet.write(row_num, 1, data['price'], format_)
worksheet.write(row_num, 2, data['area'], format_)
worksheet.write(row_num, 3, data['cate'], format_)
worksheet.write(row_num, 4, data['view'], format_)
row_num = row_num + 1
workbook.close() '''
for item in datas:
print repr(item).decode("unicode-escape")
# print item
print "total: %d" % len(datas)
''' get_item_info(0) #参数 0为个人,1为商家

在这过程中有点不明白的地方就是xlsxwriter.Workbook 方法在创建xlsx文件的时候,必须要绝对路径才能成功,看官方文档也没找到问题的原因

最后抓取信息所生成的表格文件截图

用 BeautifulSoup爬取58商品信息的更多相关文章

  1. selenium+phantomjs爬取京东商品信息

    selenium+phantomjs爬取京东商品信息 今天自己实战写了个爬取京东商品信息,和上一篇的思路一样,附上链接:https://www.cnblogs.com/cany/p/10897618. ...

  2. selenium模块使用详解、打码平台使用、xpath使用、使用selenium爬取京东商品信息、scrapy框架介绍与安装

    今日内容概要 selenium的使用 打码平台使用 xpath使用 爬取京东商品信息 scrapy 介绍和安装 内容详细 1.selenium模块的使用 # 之前咱们学requests,可以发送htt ...

  3. Python爬虫-爬取京东商品信息-按给定关键词

    目的:按给定关键词爬取京东商品信息,并保存至mongodb. 字段:title.url.store.store_url.item_id.price.comments_count.comments 工具 ...

  4. 爬虫—Selenium爬取JD商品信息

    一,抓取分析 本次目标是爬取京东商品信息,包括商品的图片,名称,价格,评价人数,店铺名称.抓取入口就是京东的搜索页面,这个链接可以通过直接构造参数访问https://search.jd.com/Sea ...

  5. Python爬虫学习之使用beautifulsoup爬取招聘网站信息

    菜鸟一只,也是在尝试并学习和摸索爬虫相关知识. 1.首先分析要爬取页面结构.可以看到一列搜索的结果,现在需要得到每一个链接,然后才能爬取对应页面. 关键代码思路如下: html = getHtml(& ...

  6. 八个commit让你学会爬取京东商品信息

    我发现现在不用标题党的套路还真不好吸引人,最近在做相关的事情,从而稍微总结出了一些文字.我一贯的想法吧,虽然才疏学浅,但是还是希望能帮助需要的人.博客园实在不适合这种章回体的文章.这里,我贴出正文的前 ...

  7. 利用selenium爬取京东商品信息存放到mongodb

    利用selenium爬取京东商城的商品信息思路: 1.首先进入京东的搜索页面,分析搜索页面信息可以得到路由结构 2.根据页面信息可以看到京东在搜索页面使用了懒加载,所以为了解决这个问题,使用递归.等待 ...

  8. scrapy 爬取天猫商品信息

    spider # -*- coding: utf-8 -*- from urllib.parse import urlencode import requests import scrapy impo ...

  9. python爬虫——用selenium爬取京东商品信息

    1.先附上效果图(我偷懒只爬了4页)  2.京东的网址https://www.jd.com/ 3.我这里是不加载图片,加快爬取速度,也可以用Headless无弹窗模式 options = webdri ...

随机推荐

  1. PHP的虚拟域名的配置

    由于本人的自己搭建的php环境,Wamp环境.虚拟域名是写程序的一个最基本的配置,也对项目的调试有一定的真实感.我在学习虚拟域名的时候是受到了一些的问题,所以说写这个是为了帮助新人少走弯路, 也是为了 ...

  2. <JAVA>可变参数列表

    这是java1.5版本的新特性,就是当你想定义一个方法,但是不知道以后要用的时候传几个参数进去,这时可以在方法的参数列表中这样写(参数类型... 数组名),然后在方法内部直接用操作数组的方式操作.比如 ...

  3. JAVA中的Buffer

    一.属性 Buffer有四个基本属性: 1.capacity  容量,buffer能够容纳的最大元素数目,在Buffer创建时设定并不能更改 2.limit buffer中有效位置数目,不能对超过li ...

  4. 为Android内核添加新驱动

    转载地址:http://blog.chinaunix.net/uid-16759545-id-4892379.html 1. 在drives目录下添加hello目录,内含hello.c Kconfig ...

  5. 远程登录aws

    AWS的EC2服务器是用密钥来认证的,在创建instance时,会提示,创建一个key pair,同时会提示下载一个xxx.pem的密钥文件到本地硬盘.下面是通过SecureCRT连接到EC2的操作步 ...

  6. Spring MVC和Struts2的比较

    Spring MVC PK Struts2 我们用struts2时采用的传统的配置文件的方式,并没有使用传说中的0配置.spring3 mvc可以认为已经100%零配置了(除了配置spring mvc ...

  7. Oracle 只导出某个用户下的表及数据

    今天某大牛问我要之前我参与的一个系统的代码及库,我捣鼓下,发给了他. 他很诧异的问:这个库有这么大么 我说 因为当时是专门新建了一个实例,用户也是系统用户,所以导出的时候是导出的整个数据库 他 ZZ ...

  8. 浅析Web缓存

    在前端开发中,性能一直都是被大家所重视的一点,然而判断一个网站的性能最直观的就是看网页打开的速度.其中提高网页反应速度的一个方式就是使用缓存.一个优秀的缓存策略可以缩短网页请求资源的距离,减少延迟,并 ...

  9. Greys学习笔记(未完待续)

    Greys介绍 greys-anatomy是一个Java线上诊断工具,取名来自美剧<实习医生格雷>,由菜鸟-杜琨同学开发维护.比我们常用的脚本工具btrace提供更多的功能,greys采用 ...

  10. HTTP权威指南-HTTP概述

    1.web服务器(HTTP服务器)使用的是HTTP协议,存储了因特网中的数据,当客户端发出请求时,服务器提供相应的数据.HTTP客户端和HTTP服务器共同构成了万维网的基本组件. 2.资源:Web服务 ...