爬取豆瓣Top250圖書數據

項目的實現步驟
1.項目結構
2.獲取網頁數據
3.提取網頁中的關鍵信息
4.保存數據
1.項目結構

2.獲取網頁數據
對應的網址為https://book.douban.com/top250

import requests
from bs4 import BeautifulSoup
"""
獲取網頁數據，解析數據，將相應的數據傳出
"""
def get_page(url):
    headers = {
        'User-Agent':'Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) '
                     'AppleWebKit/537.36 (KHTML, like Gecko) Chrome/114.0.0.0 '
                     'Mobile Safari/537.36 Edg/114.0.1823.43'
    }
    resp=requests.get(url,headers=headers)
    soup=BeautifulSoup(resp.text,'html.parser')
    return soup

3.提取網頁中的關鍵信息
獲取傳出的解析後的數據，獲取對應的圖片，書名，作者，價格，評價，簡介

from geturlcocument.get_document import get_page
import re
# 初始數據
pictures=[]
names=[]
authors=[]
prices=[]
scores=[]
sums=[]
def get_single():
    # 網址地址
    urls = [f"https://book.douban.com/top250?start={num}" for num in range(0,250,25)]
    for url in urls:
        # 獲取對應的網頁文本
        text = get_page.get_page(url)
        # 所有數據的集合
        all_tr = text.find_all(name="tr", attrs={"class": "item"})
        # 查找每個單項
        for tr in all_tr:
            # 數據類型：圖片，書名，作者，價格，評分，簡介
            # 圖片
            picture = tr.find(name="img")
            picture = picture.get('src')
            # print(picture)
            # 書名
            div = tr.find(name='div', attrs={'class': 'pl2'})
            name = div.find('a').text
            name = re.sub(r'\s+', '', name)
            # 作者
            author = tr.find(name='p', attrs={'class': 'pl'}).text
            author = author.split('/')[0]
            # 價格
            price = author.split('/')[-1]
            price = re.sub(r'元', '', price)
            # 評分
            score = tr.find(name='span', attrs={'class': 'rating_nums'}).text
            try:
                sum = tr.find(name='span', attrs={'class': 'inq'}).text
            except AttributeError:
                sum = ''
            pictures.append(picture)
            names.append(name)
            authors.append(author)
            prices.append(price)
            scores.append(score)
            sums.append(sum)
    data = {
        "picture": pictures,
        "name": names,
        "author": authors,
        "price": prices,
        "score": scores,
        "sum": sums
    }
    return data

將獲取的數據存入到字典中，將數據傳出，使用re庫對相應的數據進行處理，運用異常檢錯
4.保存數據
獲取傳出的字典類型的數據，將數據存入到pandas的DataFrame類型中

from geturlcocument.get_single_docuemnt import get_single
import pandas as pd
# 獲取字典類型的數據
data=get_single.get_single()
# 用pandas的DataFrame類型存儲數據
df=pd.DataFrame(data)
df.to_csv('./books.csv',encoding='utf-8')
print('ending of data')

該項目完成！！！