爬虫学习之6：使用XPATH爬取豆瓣TOP500书籍(保存到CSV)

最新推荐文章于 2024-04-30 15:49:16 发布

寸先生的牛马庄园

最新推荐文章于 2024-04-30 15:49:16 发布

阅读量2k

点赞数

CC 4.0 BY-SA版权

分类专栏： Python

本文链接：https://blog.youkuaiyun.com/cskywit/article/details/80877994

Python 专栏收录该内容

42 篇文章

订阅专栏

本文介绍了一个简单的Python爬虫项目，用于抓取豆瓣读书TOP250榜单中的书籍信息，包括书名、作者、出版社等，并将数据保存为CSV文件。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

豆瓣读书TOP500页面如下，爬取每本书的书名、作者、出版社、出版日期、价格、星级和评论数。代码简单，本着先抓大、后抓小、寻找循环点的原则编写代码即可，直接附上不做解释。

from lxml import etree
import requests
import csv

headers = {
    'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/49.0.2623.112 Safari/537.36'
}
fp = open('douban.csv','w+',newline='',encoding='utf-8-sig')
writer = csv.writer(fp)
writer.writerow(('书名','链接','作者','出版社','出版日期','价格','星级','评论数'))
urls = ['https://book.douban.com/top250?start={}'.format(str(i)) for i in range(0,250,25)]
for url in urls:
    html = requests.get(url)
    selector = etree.HTML(html.text)
    infos = selector.xpath('//tr[@class="item"]')
    for info in infos:
        name = info.xpath('td/div/a/@title')[0]
        url = info.xpath('td/div/a/@href')[0]
        book_infos = info.xpath('td/p/text()')[0]
        author = book_infos.split('/')[0]
        publisher = book_infos.split('/')[-3]
        date = book_infos.split('/')[-2]
        price = book_infos.split('/')[-1]
        rate = info.xpath('td/div/span[2]/text()')[0]
        comments = info.xpath('td/div/span[3]/text()')
        comment = comments[0] if len(comments)!=0 else "空"
        writer.writerow((name,url,author,publisher,date,price,rate,comment))
fp.close()

结果保存到CSV中，由于使用了utf-8-sig编码，不会乱码，部分结果如下：