今天，花了一个晚上的时间边学边做，搞出了我的第一个爬虫。学习Python有两个月了，期间断断续续，但是始终放弃，今天搞了一个小项目，有种丰收的喜悦。废话不说了，直接附上我的全部代码。
1 # -*- coding:utf-8 -*- 2 __author__ = 'Young' 3 4 import re,urllib #urllib : 网页访问，返回网页的数据、内容 5 def my_get(ID):# 封装成函数方便调用 6 html = urllib.urlopen("https://read.douban.com/ebooks/tag/%E5%B0%8F%E8%AF%B4/?cat=book&sort=top&start="+str(ID))# urllib.urlopen() 打开豆瓣读书的网页 str(ID)--方便页面切换 7 html = html.read()# 解析返回内容 8 reg = r'<span class="price-tag ">(.*?)元</span><a href=".*?" target="_blank" class="btn btn-icon ">试读</a></div><a data-target-dialog="login" href="#" class="require-login btn btn-info btn-cart "><i class="icon-cart"></i><span class="btn-text">加入购物车</span></a></div><div class="title"><a href=".*?" onclick="moreurl\(this, {'aid': '.*?', 'src': 'tag'}, true, \'read.douban.com\'\)">(.*?)</a>' 9 reg = re.compile(reg) 10 rel = re.findall(reg,html) # rel是二维列表 11 return rel 12 13 ID = 0 14 price = 0 15 fn = open(r'G:\13_Python-Files\douban.txt',"a")# 存放数据的文件的存放地址 a 表示 可以向文件中追加写入 16 while ID<=80:# 根不同页的网址分析得出规律，此处爬取前4页的内容 17 my_list = my_get(ID)# my_list - 存放返回结果 18 for i in my_list: 19 fn.write("书名：%s-----------价格：%s\n" %(i[1],i[0])) 20 price += float(i[0])# 价格是浮点型 21 ID += 1#图书技术 22 print i[0],i[1] 23 print ID 24 fn.write("数量：%s\t总价：%s\t平均单价：%s\n" % (ID,price,"%.2f"%(price/ID))) 25 fn.close()#最后不要忘记关闭文件
结果截图如下：
缺憾：有部分数据被漏掉了，继续找原因中