爬取京东商品分类和链接

南笙酒味 提交于 2020-01-31 02:40:21

最近因为工作比较忙也没有更新随笔。昨天下班因为身体不舒服,代码也没有码多少。说码代码也还算不上,毕竟是自己无聊写点小脚本自娱自乐。

今天这篇主要的知识点是使用Python的BeautifulSoup进行多层的遍历。

笔者闲来无事写了个小爬虫,主要是爬取京东商品分类以及对应的连接

如图所示。只是一个简单的哈,不是爬取里面的隐藏的东西。

from bs4 import BeautifulSoup as bsimport requestsheaders = {    "host": "www.jd.com",    "User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/47.0.2526.80 Safari/537.36 Core/1.47.933.400 QQBrowser/9.4.8699.400",    "Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8"    }session = requests.session()def get_url():    renspned = bs(session.get('http://www.jd.com/',headers = headers).text,'html.parser')    for i in renspned.find("div", {"class": "dd-inner"}).find_all("a",{"target":"_blank"}):        print(i.get_text(),':',i.get('href'))get_url()运行这段代码以及达到了我们的目的。

我们来解读一下这段代码。首先我们要访问到京东的首页。然后通过BeautifulSoup对访问到的首页进行解析。这个时候,我们就要定位元素,来获取我们需要的东西了。在浏览器中通过F12,我们可以看到下图所示的东西:

我们来看看下面这句代码:

for i in renspned.find("div", {"class": "dd-inner"}).find_all("a",{"target":"_blank"})这一行代码完全满足我们的需求,首先用find方法,定位到了class=“dd-inner”的div,然后使用find_all对该标签下所有的a标签。最后,我想打印出所有的商品分类以及对应的链接,于是,我使用了i.get_text()和i.get('href')的方法终于获取到了商品分类和对应的链接。其实不是很难,主要是要用对方法。笔者因为是初学方法没有用对。花了差不多两天时间才搞定。这里也是告诉大家,可以使用find().find_all()的方法进行多层的遍历。


易学教程内所有资源均来自网络或用户发布的内容,如有违反法律规定的内容欢迎反馈
该文章没有解决你所遇到的问题?点击提问,说说你的问题,让更多的人一起探讨吧!