python爬取亚马逊书籍信息代码分享

Python  /  管理员 发布于 7年前   158

我有个需求就是抓取一些简单的书籍信息存储到mysql数据库，例如，封面图片，书名，类型，作者，简历，出版社，语种。

我比较之后，决定在亚马逊来实现我的需求。

我分析网站后发现，亚马逊有个高级搜索的功能，我就通过该搜索结果来获取书籍的详情URL。

由于亚马逊的高级搜索是用get方法的，所以通过分析，搜索结果的URL，可得到node参数是代表书籍类型的。field-binding_browse-bin是代表书籍装饰。

所以我固定了书籍装饰为平装，而书籍的类型，只能每次运行的时候，爬取一种类型的书籍难过

之后就是根据书籍详情页面利用正则表达式来匹配需要的信息了。

以下源代码，命名不是很规范。。。

import requestsimport sysimport reimport pymysqlclass product:  type="历史"  name=""  author=""  desciption=""  pic1=""  languages=""  press=""def getProUrl():  urlList = []  headers = {"User-Agent":"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/50.0.2661.102 Safari/537.36"}  session = requests.Session()  furl="https://www.amazon.cn/gp/search/ref=sr_adv_b/?search-alias=stripbooks&field-binding_browse-bin=2038564051&sort=relevancerank&page="  for i in range(1,7):    html=""    print(furl+str(i))     html = session.post(furl+str(i)+'&node=658418051',headers = headers)    html.encoding = 'utf-8'    s=html.text.encode('gb2312','ignore').decode('gb2312')    url=r'</li><li id=".*?" data-asin="(.+?)" class="s-result-item celwidget">'    reg=re.compile(url,re.M)    items = reg.findall(html.text)    for i in range(0,len(items)):      urlList.append(items[i])  urlList=set(urlList)  return urlListdef getProData(url):  pro = product()  headers = {"User-Agent":"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/50.0.2661.102 Safari/537.36"}  session = requests.Session()  zurl="https://www.amazon.cn/dp/"  html = session.get(zurl+url,headers = headers)  html.encoding = 'utf-8'  s=html.text.encode('gb2312','ignore').decode('gb2312')  pro.pic1=getProPic(html)  pro.name=getProName(html)  pro.author=getProAuthor(html)  pro.desciption=getProDescrip(html)  pro.press=getProPress(html)  pro.languages=getProLanguages(html)  return prodef getProPic(html):  pic=r'id="imgBlkFront" data-a-dynamic-image="{"(.+?)".*?}"'  reg=re.compile(pic,re.M)  items = reg.findall(html.text)  if len(items)==0:    return ""  else:    return items[0]def getProName(html):  name=r'<div class="ma-title"><p class="wraptext goto-top">(.+?)<span'  reg=re.compile(name,re.M)  items = reg.findall(html.text)  if len(items)==0:    return ""  else:    return items[0]def getProAuthor(html):  author=r'<span class="author.{0,20}" data-width="".{0,30}>.*?<a class="a-link-normal" href="https:/article/.*?books" rel="external nofollow" >(.+?)</a>.*?<span class="a-color-secondary">(.+?)</span>'  reg=re.compile(author,re.S)  items = reg.findall(html.text)  au=""  for i in range(0,len(items)):    au=au+items[i][0]+items[i][1]  return audef getProDescrip(html):  Descrip=r'<noscript>.{0,30}<div>(.+?)</div>.{0,30}<em></em>.{0,30}</noscript>.{0,30}<div id="outer_postBodyPS"'  reg=re.compile(Descrip,re.S)  items = reg.findall(html.text)  if len(items)==0:    return ""  else:    position = items[0].find('海报：')    descrip=items[0]    if position != -1:      descrip=items[0][0:position]    return descrip.strip()def getProPress(html):  press=r'<li><b>出版社:</b>(.+?)</li>'  reg=re.compile(press,re.M)  items = reg.findall(html.text)  if len(items)==0:    return ""  else:    return items[0].strip()def getProLanguages(html):  languages=r'<li><b>语种：</b>(.+?)</li>'  reg=re.compile(languages,re.M)  items = reg.findall(html.text)  if len(items)==0:    return ""  else:    return items[0].strip()def getConnection():  config = {     'host':'121.**.**.**',     'port':3306,     'user':'root',     'password':'******',     'db':'home_work',     'charset':'utf8',     'cursorclass':pymysql.cursors.DictCursor,     }  connection = pymysql.connect(**config)  return connectionurlList = getProUrl()i = 0for d in urlList:  i = i + 1  print (i)  connection = getConnection()  pro = getProData(d)  try:    with connection.cursor() as cursor:      sql='INSERT INTO books (type,name,author,desciption,pic1,languages,press) VALUES (%s,%s,%s,%s,%s,%s,%s)'      cursor.execute(sql,(pro.type,pro.name,pro.author,pro.desciption,pro.pic1,pro.languages,pro.press))    connection.commit()  finally:    connection.close();

总结

以上就是本文关于python爬取亚马逊书籍信息代码分享的全部内容，希望对大家有所帮助。感兴趣的朋友可以继续参阅本站：

matplotlib在python上绘制3D散点图实例详解

python的unittest测试类代码实例

Python编程实现使用线性回归预测数据

如有不足之处，欢迎留言指出。感谢朋友们对本站的支持！