爬虫案例(读书网)(下)

上篇链接:

CSDN-读书网https://mp.csdn.net/mp_blog/creation/editor/139306808

可以看见基本的全部信息:如(author、bookname、link.....)

写下代码如下:

python 复制代码
import requests
from bs4 import BeautifulSoup
from lxml import etree

headers={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/123.0.0.0 Safari/537.36'}
link="https://www.dushu.com/"
r=requests.get(link,headers=headers)
r.encoding='utf-8'

soup=BeautifulSoup(r.text,'lxml')
house_list=soup.find_all('div',class_="border books-center")
html=etree.HTML(r.text)
    # name=html.xpath('//div[@class="property-content-title"]/h3/text()')
# for house in house_list:
#     name=soup.find('div',class_="nlist").a.strong.text()
#
#     print(name)
name=html.xpath('//div[@class="bookname"]/a/text()')
author=html.xpath('//div[@class="bookauthor"]/text()')
# href=html.xpath('//div[@class="nlist"]/div/ul/li/a/@href')

#print(type(author))
for i,o in zip(name,author):
    print('<<'+i+'>>',o)

运行结果:

接下来添加link链接:

可以看见现在网站设置了反爬,我们现在通过检查浏览器能正常爬取还是有反爬:

python 复制代码
# 请用 python+selenium  爬取 XXX 网站上的所有a链接的 href属性并访问,输出访问地址和状态码
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
import requests

driver = webdriver.Chrome()
# 这里以百度为例
driver.get("https://www.dushu.com/")

wait = WebDriverWait(driver, 10)
links = wait.until(EC.presence_of_all_elements_located((By.XPATH, "//a")))

# 遍历所有的链接元素,并输出href属性值
for link in links:
    href = link.get_attribute("href")
    if href.startswith("http"):
        response = requests.get(href)
        print(href, response.status_code)
    else:
        link.click()
        print(driver.current_url, driver.execute_script('return document.readyState'),
              requests.get(driver.current_url).status_code)

# 关闭浏览器
driver.quit()

运行结果:

现在可以看出是反爬。

最后我们的解析反爬,在下一篇文章详细介绍几个方法和使用效果。

相关推荐
bigdata-rookie2 分钟前
Scala 泛型
开发语言·后端·scala
Q_Q5110082854 分钟前
python+django/flask医药垃圾分类管理系统
spring boot·python·django·flask·node.js·php
冬虫夏草19935 分钟前
使用householder反射推广ROPE相对位置编码
人工智能·pytorch·python
岁岁种桃花儿11 分钟前
Java应用篇如何基于Redis共享Session实现短信登录
java·开发语言
资深低代码开发平台专家19 分钟前
通用编程时代正在向专用化分层演进
java·大数据·c语言·c++·python
TL滕26 分钟前
从0开始学算法——第六天(进阶排序算法练习)
笔记·python·学习·算法·排序算法
csbysj202029 分钟前
Python3 MySQL (PyMySQL) 使用指南
开发语言
derive_magic35 分钟前
wwwwwwjava
开发语言·c#
CoderYanger37 分钟前
动态规划算法-简单多状态dp问题:12.打家劫舍Ⅱ
开发语言·算法·leetcode·职场和发展·动态规划·1024程序员节
代数狂人38 分钟前
【秒懂C#14 第一章:C#简介】
开发语言·c#