Python爬虫如何实现京东商品翻页

上次我讲解关于一篇Python爬虫京东商品列表的文章,大家都知道了。我现在本篇主要讲解关于如何爬虫实现翻页的文章。我希望本文也许能帮助你们。

先把京东网址的翻页有多少,就可以遍历商品列表

抓取翻页的最大数量

turnPageBottom = soup.find("a",{"id": "lastPage"}).string #抓取翻页的最大数量

for循环常与range函数一起使用

for index in range(int(turnPageBottom)):
    print(index+1)

输出结果

1
2
.
.
47
48
49
50

然后用加上就是p=str(index+1),就可以遍历获取翻页的网址

for index in range(int(turnPageBottom)):
    urlpage = "http://search.yhd.com/c0-0-1003817/mbname-b/a-s1-v4-p"
    page = urlpage + str(index+1) + "-price-d0-f0-m1-rt0-pid-mid0-color-size-k/"
    print(page)

输出结果

http://search.yhd.com/c0-0-1003817/mbname-b/a-s1-v4-p1-price-d0-f0-m1-rt0-pid-mid0-color-size-k/
http://search.yhd.com/c0-0-1003817/mbname-b/a-s1-v4-p2-price-d0-f0-m1-rt0-pid-mid0-color-size-k/
...
http://search.yhd.com/c0-0-1003817/mbname-b/a-s1-v4-p50-price-d0-f0-m1-rt0-pid-mid0-color-size-k/

现在我们写的完整项目

# -*- coding: utf-8 -*-
#---------------------------------------
#   程序:商品爬虫
#   版本:0.0.1
#   作者:woaitianwen
#   日期:2018-2-3
#   语言:Python 3.6
#   操作:输入网址后就获取商品列表,然后存到mysql数据库
#---------------------------------------


from urllib.request import urlopen
from bs4 import BeautifulSoup
import re
import mysql.connector

#连接mysql数据库
conn = mysql.connector.connect(user='root', password='root', database='mynode')
#使用cursor()方法获取操作游标
cur = conn.cursor()

url = "http://search.yhd.com/c0-0-1003817/mbname-b/a-s1-v4-p1-price-d0-f0-m1-rt0-pid-mid0-color-size-k/?ref=ad.21102_47515303_1#page=2&sort=1";
html = urlopen(url)  #请求网址
soup = BeautifulSoup(html, "lxml")  #解析网页信息

proPrice = soup.select("p.proPrice em")  #抓取价格
pdlink2 = soup.select('p.proName > a')   #抓取商品名称

turnPageBottom = soup.find("a",{"id": "lastPage"}).string #抓取翻页的最大数量

for index in range(int(turnPageBottom)):
    #print(index+1)
    urlpage = "http://search.yhd.com/c0-0-1003817/mbname-b/a-s1-v4-p"
    page = urlpage + str(index+1) + "-price-d0-f0-m1-rt0-pid-mid0-color-size-k/"
    #print(page)
    html = urlopen(page)  # 请求网址
    soup = BeautifulSoup(html, "lxml")  # 解析网页信息

    proPrice = soup.select("p.proPrice em")  # 抓取价格
    pdlink2 = soup.select('p.proName > a')  # 抓取商品名称

    for title,price in zip(pdlink2,proPrice):
        data = [] # 建一个列表,用于存放数据
        try:
            title = title.contents[-1]     #将列表中的每一个商品信息提取出来
            price = price.contents[-1]   #将列表中的每一个商品价格提取出来
            # 正则表达式
            dr = re.compile(r'\n|',re.S)
            # 正则的替换
            dd_title = dr.sub('', title)
            dd_price = dr.sub('', price)
            # 移除空格
            dd_s_title = dd_title.strip()
            dd_s_price = dd_price.strip()

            #print("[*] 商品标题:", title)  #输出商品标题
            #print("[*] 商品价格:", price) #输出商品价格

            data.append([dd_s_title,dd_s_price]) ##将爬取的数据依次填入列表中

            print(data)
            sql = "INSERT INTO goods (title,price) values(%s,%s)"  # 这是一条sql插入语句
            cur.executemany(sql, data)  # 执行sql语句,并用executemany()函数批量插入数据库中
            conn.commit()
        except Exception as e:
            print(e)
            conn.rollback()


# 释放数据连接
if cur:
    cur.close()
if conn:
    conn.close()

我不再重复讲解具体的内容,大家都可以去看看我上次讲解关于:《Python爬虫京东商品列表》