学习python爬虫爬取数据一:
第一步:安装python(不多介绍)
第二步:安装pycharm(不多介绍)
第三步:直接上代码,实际编写python脚本,使用xpath语法
# 京东商城商品信息 基本数据抓取
import requests
from lxml import etree
file_name = 'list.txt'
# 1、确定URL地址
url = 'https://search.jd.com/Search?keyword=%E8%8D%A3%E8%80%80%E6%89%8B%E6%9C%BA&enc=utf-8&wq=%E8%8D%A3%E8%80%80%E6%89%8B%E6%9C%BA&pvid=a59950f3aac14ec992c6b38405f071c1'
# 1.2 添加User-Agent
userAgent = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.104 Safari/537.36'
}
# 2、请求
res = requests.get(url, headers=userAgent).content.decode()
# print(res)
# 3、筛选数据
dom = etree.HTML(res)
# 商品名称
names = dom.xpath('//div[@class="gl-i-wrap"]/div[@class="p-name p-name-type-2"]/a/em/text()')
# # 商品价格
prices = dom.xpath('//div[@class="gl-i-wrap"]/div[@class="p-price"]/strong/i/text()')
# 商品单位
units = dom.xpath('//div[@class="gl-i-wrap"]/div[@class="p-price"]/strong/em/text()')
# 定义num排序
num = 1
# 循环处理数据
for name, price, unit in zip(names, prices, units):
# .strip 去除字符串首尾空格
data = f'第{num}个: {name.strip()} {price.strip()}{unit}'
# 4、保存数据:
# w 重新生成文件
# a 代表每次会将其内容追加到文件末尾
# wb 代表写入二进制
with open('./files/' + file_name, 'a', encoding='UTF-8') as file:
file.write(data + '\n')
num += 1
执行结果: