小编给大家分享一下怎么用python爬虫获取豆瓣的书评,相信大部分人都还不怎么了解,因此分享这篇文章给大家参考一下,希望大家阅读完这篇文章后大有收获,下面让我们一起去了解一下吧!
python的五大特点:1.简单易学,开发程序时,专注的是解决问题,而不是搞明白语言本身。2.面向对象,与其他主要的语言如C++和Java相比, Python以一种非常强大又简单的方式实现面向对象编程。3.可移植性,Python程序无需修改就可以在各种平台上运行。4.解释性,Python语言写的程序不需要编译成二进制代码,可以直接从源代码运行程序。5.开源,Python是 FLOSS(自由/开放源码软件)之一。
1、分析网站
整个豆瓣的框架设计都是简单的静态页面,只需要页面代码参数。
urls=[] pages=79 #可以根据页面数据来设定 for page in range(0,pages): url = 'https://book.douban.com/subject/26369699/reviews?start={}'.format(page) urls=urls.append(url)
通过观察每个页面的网站规则,可以推测start的计算公式,例如上面的代码自动生成所有数据的地址。
2、爬取网页
需要登录并将cookie传递给请求头,以便正常请求数据。您可以在开发人员模型的RequestHeaders中获得cookies值。
def getHTML(url): headers={'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.114 Safari/537.36', 'Connection': 'keep-alive', 'Cookie': '', #你的cookies 'Referer': 'https://book.douban.com/subject/26369699/reviews', } request = urllib.request.Request(url,headers=headers) response = urllib.request.urlopen(request) content = response.read().decode('utf-8') return content
以上是“怎么用python爬虫获取豆瓣的书评”这篇文章的所有内容,感谢各位的阅读!相信大家都有了一定的了解,希望分享的内容对大家有所帮助,如果还想学习更多知识,欢迎关注亿速云行业资讯频道!
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。