爬取豆瓣读书网中的解析数据代码

以下是使用Python和BeautifulSoup库爬取豆瓣读书网中的解析数据的代码示例：

import requests
from bs4 import BeautifulSoup

# 要爬取的页面URL
url = 'https://book.douban.com/top250'

# 发送请求并获取HTML内容
response = requests.get(url)
html = response.content

# 使用BeautifulSoup解析HTML内容
soup = BeautifulSoup(html, 'html.parser')

# 获取书籍列表
book_list = soup.find_all('div', {'class': 'pl2'})

# 遍历书籍列表并输出书名和作者
for book in book_list:
    title = book.find('a')['title']
    author = book.find('p', {'class': 'pl'}).text
    print(f'{title} - {author}')

以上代码会输出豆瓣读书榜单中前250本书的书名和作者。你可以根据自己的需求修改代码，并添加相应的数据处理和存储功能。

相关问题

用python爬取豆瓣读书网有500兆数据的代码

请注意，爬取豆瓣的数据有可能违反豆瓣的使用条款，建议先查看豆瓣的规定并获得授权。以下是一个示例代码：

import requests
import time
import json
import os

# 设置请求头
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3'}

# 设置保存数据的文件夹路径
folder_path = './douban_book_data/'
if not os.path.exists(folder_path):
    os.makedirs(folder_path)

# 设置要爬取的页数
page_num = 500

for i in range(0, page_num):
    # 构造请求url
    url = 'https://m.douban.com/rexxar/api/v2/subject_collection/book_nonfiction/items?os=android&for_mobile=1&start={}&count=20&loc_id=0&_=1616666626618'.format(
        i * 20)

    # 发送请求
    response = requests.get(url, headers=headers)
    time.sleep(1)  # 为了防止被封，设置请求间隔为1秒

    # 解析响应
    data = json.loads(response.text)

    # 保存数据到文件
    file_path = folder_path + 'douban_book_data_{}.txt'.format(i)
    with open(file_path, 'w', encoding='utf-8') as f:
        f.write(json.dumps(data, ensure_ascii=False))
        print('成功保存第{}页数据到文件'.format(i))

解释：以上代码使用 requests 库发送 GET 请求，请求豆瓣读书网的非虚构类图书数据。每次请求20条数据，循环请求多页数据，并将每页数据保存到本地文件中。需要注意的是，为了防止被封，代码中设置了1秒的请求间隔。

python爬取豆瓣读书网存在mongodb中

好的，首先需要安装pymongo，可以使用以下命令安装：

pip install pymongo

接下来，可以按照以下步骤进行爬取并存储到MongoDB中：

1. 导入需要的库

import requests
from bs4 import BeautifulSoup
import pymongo

2. 连接MongoDB数据库

client = pymongo.MongoClient("mongodb://localhost:27017/")
db = client["douban_book"]
collection = db["books"]

3. 爬取数据并解析

url = "https://book.douban.com/top250"
headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3"}
res = requests.get(url, headers=headers)
soup = BeautifulSoup(res.text, "html.parser")

4. 提取数据并存储到MongoDB中

for book in soup.find_all("tr", class_="item"):
    title = book.find("div", class_="pl2").a["title"]
    link = book.find("div", class_="pl2").a["href"]
    rating = book.find("span", class_="rating_nums").get_text()
    author = book.find("p", class_="pl").get_text()
    collection.insert_one({"title": title, "link": link, "rating": rating, "author": author})

完整代码如下：

import requests
from bs4 import BeautifulSoup
import pymongo

client = pymongo.MongoClient("mongodb://localhost:27017/")
db = client["douban_book"]
collection = db["books"]

url = "https://book.douban.com/top250"
headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3"}
res = requests.get(url, headers=headers)
soup = BeautifulSoup(res.text, "html.parser")

for book in soup.find_all("tr", class_="item"):
    title = book.find("div", class_="pl2").a["title"]
    link = book.find("div", class_="pl2").a["href"]
    rating = book.find("span", class_="rating_nums").get_text()
    author = book.find("p", class_="pl").get_text()
    collection.insert_one({"title": title, "link": link, "rating": rating, "author": author})

注意，如果是第一次使用MongoDB，需要先启动MongoDB服务，可以按照以下步骤进行启动：

1. 在命令行中输入以下命令：

mongod --dbpath D:\mongodb\data

其中D:\mongodb\data是MongoDB数据存储的路径，可以根据需要进行修改。

2. 启动MongoDB服务后，再运行上述Python代码即可将爬取到的数据存储到MongoDB中。