代码如下:
# -*- coding: utf-8 -* import requests,time from lxml import etree c = 0 for n in range(0,2): url='https://book.douban.com/top250?start={}'.format(n*25) data=requests.get(url).text s=etree.HTML(data) books=s.xpath('//*[@id="content"]/div/div[1]/div/table') for i in books: title=i.xpath('./tr/td[2]/div[1]/a/@title')[0] score=i.xpath('./tr/td[2]/div[2]/span[2]/text()')[0] simple=i.xpath('./tr/td[2]/p[2]/span/text()') num=i.xpath('./tr/td[2]/div[2]/span[3]/text()')[0].strip('(').strip().strip(')').replace('\n','').strip() num2 = i.xpath('./tr/td[2]/div[2]/span[3]/text()')[0] href=i.xpath('./tr/td[2]/div[1]/a/@href')[0] time.sleep(2) c=c+1 if len(simple)>0: print ('TOP',c,':','书名:',title,'<-->','分数:',score,'<-->','一句话简介:',simple[0],'<-->','评价人数:',num,'<-->','链接:',href) print ('num2的值是:',num2) else: print ('TOP',c,':','书名:',title,'<-->','分数:',score,'<-->','一句话简介:','无','<-->','评价人数:',num,'<-->','链接:',href) print('num2的值是:', num2)
结果如下:
小结:
1、注意:第一页是https://book.douban.com/top250?start=0 ,第二页是https://book.douban.com/top250?start=25 ,所以前两页是range(0,2);
2、列表为空的时候,用索引[0]是会报错的,所以这里用len()判断;
3、路径前面最好加个r,可以防止字符串的转义字符生效;‘\’用在转义字符前面,也可以防止转义字符生效;
4、strip()函数用于移除字符串头部与尾部指定的字符(默认为空格或换行符);replace()函数用于替换,replace('\n','')指将换行符替换成空值;
最后为什么还要加个strip()呢?是为了去除换行符后面的空格,看下num2便知。