爬取网址:
https://search.kongfz.com/booklib/category?catId=31&actionPath=catId&hasStock=true&page=1
因为该程序获取的是网页加载的json数据,所以目前只能获取计算机与互联网 的书籍信息
功能:
[ol]
[/ol]
创建数据库: create database spider
该程序的运行结果图:
初始截图:
初始.jpg (18.69 KB, 下载次数: 0)
下载附件
初始
2024-12-2 21:29 上传
将数据保存为Excel文件
Excel保存.jpg (48.7 KB, 下载次数: 0)
下载附件
Excel
2024-12-2 21:29 上传
excel结果.jpg (421.68 KB, 下载次数: 0)
下载附件
2024-12-2 21:31 上传
将数据保存到MySQL中
MySQL保存.jpg (49.38 KB, 下载次数: 0)
下载附件
2024-12-2 21:30 上传
mysql结果.jpg (191.35 KB, 下载次数: 0)
下载附件
2024-12-2 21:32 上传
退出:
退出.jpg (22.85 KB, 下载次数: 0)
下载附件
2024-12-2 21:30 上传
以下是相关代码:
# -*- coding: UTF-8 -*-
'''
@Project ：网络爬虫
@file ：kfz_demo2.py
@IDE ：PyCharm
@AuThor ：慕逸
@date ：02/12/2024 15:21
@Description : 爬取孔夫子旧书网信息
'''
# TODO: 注意:在保存到MySQL数据库时,需要先创建一个名为spider的数据库
import json
import os
import pandas as pd
import pymysql
from tqdm import tqdm
import requests
class KfzDemo2():
def __init__(self, url):
self.headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/109.0.0.0 Safari/537.36"
}
self.url = url
def get_html(self):
response = requests.get(url=self.url, headers=self.headers)
context = response.content
return context
def get_data(self):
context = self.get_html()
data = json.loads(context)['data']['itemResponse']['list']
data_lis = []
for d in data:
data_dic = {}
data_dic['type'] = d['type']
data_dic['书籍名称'] = d['bookName']
# data_dic['bigImgUrl'] = d['imgUrlEntity']['bigImgUrl']
# data_dic['smallImgUrl'] = d['imgUrlEntity']['smallImgUrl']
data_dic['新书价格'] = d['newBookMinPrice']
data_dic['新书余量'] = d['newBookOnSaleNum']
data_dic['旧书价格'] = d['oldBookMinPrice']
data_dic['旧书余量'] = d['oldBookOnSaleNum']
data_dic['书籍信息'] = d['bookShowInfo']
data_lis.append(data_dic)
# print(data_lis)
return data_lis
def save_data(self, data):
df = pd.DataFrame(data)
# 保存到Excel文件
df.to_excel('output.xlsx', index=True)
save_path = os.path.abspath('output.xlsx')
print("数据已成功保存到 Excel 文件,保存位置为: ", save_path)
def save_data_to_mysql(self, data: list):
# 连接到mysql数据库
db_config = {
'host': 'localhost',
'user': 'root',
'password': '123456',
'database': 'spider',
}
# 连接到数据库
connection = pymysql.connect(**db_config)
try:
with connection.cursor() as cursor:
create_table = '''
CREATE TABLE IF NOT EXISTS books (
id INT AUTO_INCREMENT PRIMARY KEY,
type VARCHAR(50),
`书籍名称` VARCHAR(255),
`新书价格` DECIMAL(10, 2), -- 假设价格有小数点，使用DECIMAL更合适
`新书余量` INT, -- 假设余量是整数
`旧书价格` DECIMAL(10, 2),
`旧书余量` INT,
`书籍信息` JSON
)
'''
cursor.execute(create_table)
# 插入数据
for d in tqdm(data, desc='正在存储数据'):
insert_sql = '''
INSERT INTO books (type, `书籍名称`, `新书价格`, `新书余量`, `旧书价格`, `旧书余量`, `书籍信息`)
VALUES (%s, %s, %s, %s, %s, %s, %s)
'''
val = (d['type'], d['书籍名称'], d['新书价格'], d['新书余量'], d['旧书价格'], d['旧书余量'],
json.dumps(d['书籍信息']))
cursor.execute(insert_sql, val)
# 提交事务
connection.commit()
print("数据已成功插入到 MySQL 数据库")
finally:
connection.close()
def main():
while True:
data = []
kfz = KfzDemo2(None)
# 请输入需要数据需要保存的类型
category_save = input(
"**********************\n"
" 【1】Excel(.xlsx)\n"
" 【2】MySQL\n"
" 【3】退出程序\n"
"**********************\n"
"请输入需要数据需要保存的类型的数字:"
)
print("**********************")
if category_save == '3':
print("程序已退出")
break
elif category_save not in ['1', '2']:
print("输入错误，请重新输入!!!!")
continue
for i in tqdm(range(1, 101), desc='正在爬取数据'): # 101
url = "https://search.kongfz.com/pc-gw/search-web/client/pc/bookLib/category/list?catId=31&actionPath=catId&page={}".format(i)
kfz.url = url
data_lis = kfz.get_data()
data.extend(data_lis)
print("共获取{}条数据".format(len(data)))
if category_save == '1':
kfz.save_data(data)
elif category_save == '2':
try:
kfz.save_data_to_mysql(data)
except pymysql.err.OperationalError as e:
if e.args[0] == 1049: # 错误码 1049 表示数据库不存在
print(
"****************************\n数据库不存在,请创建数据库后重新尝试\n****************************")
else:
print(f"An error occurred: {e}")
# 当数据库不存在时,会抛出数据库不存在异常
if __name__ == '__main__':
main()
程序已经打包成.exe可执行文件
软件截图.jpg (12.5 KB, 下载次数: 0)
下载附件
2024-12-2 21:44 上传
主分享链接: https://www.123684.com/s/v7abVv-MjZph提取码:ZA0b
备用分享链接:https://www.123865.com/s/v7abVv-MjZph提取码:ZA0b
初学爬虫,若有错误或想法,欢迎大家讨论
