python爬虫实战一|大众点评网_大众点评爬虫代码

PS：如果不懂的可以看我的上一篇文章快速入门Python爬虫

以大众点评为例：
http://www.dianping.com/shanghai/hotel

1.发现网址url规律

大众点评网址规律，每一页对应p1，p2…

针对规律写出如下代码

>template='http://www.dianping.com/shanghai/hotel/p{page}'
>for p in range(1,51):
	url=template.format(page=p)
	print(url)
1
2
3
4

2.拿到一个页面数据

先尝试使用requests成功访问一个url，拿到一个页面数据：以p1为例

>import requests
>url='http://www.dianping.com/shanghai/hotel/p1'
>headers={"User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64) >AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.26 Safari/537.36"}
>resp=requests.get(url,headers=headers)
>resp.text[:1000]  #表示获取前1000个字符内容
1
2
3
4
5

通过headers伪装成功拿到：

3.数据解析

使用pyquery对这一个页面的网页数据进行解析，首先使用select工具定位到hotel-block块

通过tag多级进行精确定位

以下输出关于含有hotel-block属性的块

from pyquery import PyQuery
doc=PyQuery(resp.text)
for hotel in doc.items('.hotel-block'):
	print(hotel)
1
2
3
4

以下为输出关于含有a标签和hotel-name属性的行。,text()可以取出标签中的值

for hotel in doc.items('.hotel-block'):
	print(hotel('.hotel-name a'))
1
2

依次类推，改进代码：最终

from pyquery import PyQuery
doc=PyQuery(resp.text)
for hotel in doc.items('.hotel-block'):
	hotel_name=hotel('.hotel-name-link').text()
	addr1=hotel('.place a').text()
	addr2=hotel('.walk-dist').text()[1:]
	print(hotel_name,addr1,addr2)
1
2
3
4
5
6
7

输出如下图：

4.存储数据

使用csv库将数据存储到csv文件中，–>不会的请点我<–

>>> import csv
>>> path='F:/papapa/data/dianpin.csv'
>>> csvf=open(path,'a+',encoding='utf-8',newline='')
>>> fieldnames=['hotel_name','addr1','addr2']
>>> writer=csv.DictWriter(csvf,fieldnames=fieldnames)
>>> writer.writeheader()
>>> for hotel in doc.items('.hotel-block'):
		hotel_name=hotel('.hotel-name-link').text()
		addr1=hotel('.place a').text()
		addr2=hotel('.walk-dist').text()[1:]
		data={'hotel_name':hotel_name,
	     	 'addr1':addr1,
	    	  'addr2':addr2}
		writer.writerow(data)
>>> csvf.close()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

5.大功告成

总结2-4，并爬取每一页的数据

import requests
from pyquery import PyQuery
import csv
#新建csv
path='F:/papapa/data/dianpin.csv'
csvf=open(path,'a+',encoding='utf-8',newline='')
fieldnames=['hotel_name','addr1','addr2']
writer=csv.DictWriter(csvf,fieldnames=fieldnames)
writer.writeheader()
template='http://www.dianping.com/shanghai/hotel/p{page}'
headers={"User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64) >AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.26 Safari/537.36"}
for p in range(1,51):
	print(p)
	url=template.format(page=p)
	resp=requests.get(url,headers=headers)
	doc=PyQuery(resp.text)
	#存储数据
    for hotel in doc.items('.hotel-block'):
		hotel_name=hotel('.hotel-name-link').text()
		addr1=hotel('.place a').text()
		addr2=hotel('.walk-dist').text()[1:]
		data={'hotel_name':hotel_name,
	      'addr1':addr1,
	      'addr2':addr2}
		writer.writerow(data)
csvf.close()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

本篇代码可阅读性不强，特此发布一篇用函数封装后的文章，欢迎查看~
python爬虫实战一|大众点评网（2）