Python抓取京东图书评论数据


Posted in Python onAugust 31, 2014

 京东图书评论有非常丰富的信息,这里面就包含了购买日期、书名、作者、好评、中评、差评等等。以购买日期为例,使用Python + Mysql的搭配进行实现,程序不大,才100行。相关的解释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):
    """页面数据提取"""
    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):
    """获取当前进度"""
    return "当前进度为:" + str(int(100*n/t)) + "%"

#———————————————————————————————————| 程序开始 |—————————————————————————————————
#确定图书大类
cate = {"3273":"历史","3279":"心理学","3276":"政治军事","3275":"国学古籍","3274":"哲学宗教","3277":"法律","3280":"文化","3281":"社会科学"}

#断点续抓
num1 = input("bookid:")
num2 = input("pagenumber:")

#生成图书大类链接,共需17355*20 = 347100次
totaltimes = 347100.0
nowtimes = 0

#开启webdirver的PhantomJS对象
#driver = webdriver.PhantomJS()
driver = webdriver.Ie('C:\Python27\Scripts\IEDriverServer')
#driver = webdriver.Chrome('C:\Python27\Scripts\chromedriver')

#读出Mysql中的评论页面,进行抓取
# 连接数据库 
try:
    conn = MySQLdb.connect(host='localhost',user='root',passwd='',db='jd')
except Exception, e:
    print e
    sys.exit()

# 获取cursor对象
cursor = conn.cursor()
sql = "SELECT * FROM booknew ORDER BY pagenumber DESC"
cursor.execute(sql)
alldata = cursor.fetchall()

flag = 0
flag2 = 0

# 如果有数据返回就循环输出,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"
            #抓网页
            driver.get(link)
            html = driver.page_source
            #抓评论
            buydate = catchDate(html)
            #写入数据库
            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()

Python 相关文章推荐
用Python实现一个简单的线程池
Apr 07 Python
Python批量转换文件编码格式
May 17 Python
Python赋值语句后逗号的作用分析
Jun 08 Python
Python实现简单字典树的方法
Apr 29 Python
Python常见格式化字符串方法小结【百分号与format方法】
Sep 18 Python
pip安装py_zipkin时提示的SSL问题对应
Dec 29 Python
selenium+python截图不成功的解决方法
Jan 30 Python
python统计中文字符数量的两种方法
Jan 31 Python
Python中如何导入类示例详解
Apr 17 Python
Python Process多进程实现过程
Oct 22 Python
python ctypes库2_指定参数类型和返回类型详解
Nov 19 Python
Java如何基于wsimport调用wcf接口
Jun 17 Python
Python深入学习之内存管理
Aug 31 #Python
Python深入学习之装饰器
Aug 31 #Python
Python深入学习之闭包
Aug 31 #Python
Python深入学习之对象的属性
Aug 31 #Python
Python深入学习之上下文管理器
Aug 31 #Python
Python深入学习之特殊方法与多范式
Aug 31 #Python
python中的reduce内建函数使用方法指南
Aug 31 #Python
You might like
从一个不错的留言本弄的mysql数据库操作类
2007/09/02 PHP
40个迹象表明你还是PHP菜鸟
2008/09/29 PHP
PHP CURL获取返回值的方法
2014/05/04 PHP
php实现XSS安全过滤的方法
2015/07/29 PHP
PHP查看SSL证书信息的方法
2016/09/22 PHP
PHP面向对象程序设计OOP继承用法入门示例
2016/12/27 PHP
laravel 中某一字段自增、自减的例子
2019/10/11 PHP
JS 遮照层实现代码
2010/03/31 Javascript
Javascript小技巧之生成html元素
2014/05/15 Javascript
jQuery制作简洁的多级联动Select下拉框
2014/12/23 Javascript
JavaScript中诡异的delete操作符
2015/03/12 Javascript
JavaScript显示当前文档最后修改日期的方法
2015/03/19 Javascript
jQuery实现带分组数据的Table表头排序实例分析
2015/11/24 Javascript
jQuery滚动加载图片实现原理
2015/12/14 Javascript
js实现图片无缝滚动
2015/12/23 Javascript
Java遍历集合方法分析(实现原理、算法性能、适用场合)
2016/04/25 Javascript
jquery自定义插件开发之window的实现过程
2016/05/06 Javascript
JavaScript实现页面跳转的方式汇总
2016/05/16 Javascript
ionic2打包android时gradle无法下载的解决方法
2017/04/05 Javascript
使用Vue动态生成form表单的实例代码
2018/04/26 Javascript
基于js实现数组相邻元素上移下移
2020/05/19 Javascript
python标准算法实现数组全排列的方法
2015/03/17 Python
Python备份目录及目录下的全部内容的实现方法
2016/06/12 Python
python版学生管理系统
2018/01/10 Python
利用nohup来开启python文件的方法
2019/01/14 Python
python读写csv文件并增加行列的实例代码
2019/08/01 Python
python psutil模块使用方法解析
2019/08/01 Python
python定时截屏实现
2020/11/02 Python
HTML5学习笔记之html5与传统html区别
2016/01/06 HTML / CSS
ECOSUSI官网:女式皮革背包
2019/09/27 全球购物
优秀实习生感言
2014/03/01 职场文书
高三家长寄语
2014/04/03 职场文书
面试通知短信
2015/04/20 职场文书
2016入党积极分子党校培训心得体会
2016/01/06 职场文书
优秀大学生申请书
2019/06/24 职场文书
导游词之秦皇岛燕塞湖
2020/01/03 职场文书