篇文章主要介绍了Python爬取当当、京东、亚马逊图书信息代码实例，具有一定借鉴价值，需要的朋友可以参考下。

注：

1.本程序采用MSSQLserver数据库存储，请运行程序前手动修改程序开头处的数据库链接信息

2.需要bs4、requests、pymssql库支持

3.支持多线程

from bs4 import BeautifulSoup 
?
import re,requests,pymysql,threading,os,traceback 
?
 
?
try: 
?
 conn=pymysql.connect(host='127.0.0.1', port=3306, user='root', passwd='root', db='book',charset="utf8") 
?
 cursor=conn.cursor() 
?
except: 
?
 print('\n错误：数据库连接失败') 
?
 
?
#返回指定页面的html信息 
?
def getHTMLText(url): 
?
 try: 
?
 headers={'User-Agent':'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/56.0.2924.87 Safari/537.36'} 
?
 r=requests.get(url,headers=headers) 
?
 r.raise_for_status() 
?
 r.encoding=r.apparent_encoding 
?
 return r.text 
?
 except: 
?
 return '' 
?
#返回指定url的Soup对象 
?
def getSoupObject(url): 
?
 try: 
?
 html=getHTMLText(url) 
?
 soup=BeautifulSoup(html,'html.parser') 
?
 return soup 
?
 except: 
?
 return '' 
?
#获取该关键字在图书网站上的总页数 
?
def getPageLength(webSiteName,url): 
?
 try: 
?
 soup=getSoupObject(url) 
?
 if webSiteName=='DangDang': 
?
 a=soup('a',{'name':'bottom-page-turn'}) 
?
 return a[-1].string 
?
 elif webSiteName=='Amazon': 
?
 a=soup('span',{'class':'pagnDisabled'}) 
?
 return a[-1].string 
?
 except: 
?
 print('\n错误：获取{}总页数时出错...'.format(webSiteName)) 
?
 return -1
?
 
?
class DangDangThread(threading.Thread): 
?
 def __init__(self,keyword): 
?
 threading.Thread.__init__(self) 
?
 self.keyword=keyword 
?
 def run(self): 
?
 print('\n提示：开始爬取当当网数据...') 
?
 count=1
?
 
?
 length=getPageLength('DangDang','http://search.dangdang.com/?key={}'.format(self.keyword))#总页数 
?
 tableName='db_{}_dangdang'.format(self.keyword) 
?
 
?
 try: 
?
 print('\n提示：正在创建DangDang表...') 
?
 cursor.execute('create table {} (id int ,title text,prNow text,prPre text,link text)'.format(tableName)) 
?
 print('\n提示：开始爬取当当网页面...') 
?
 for i in range(1,int(length)): 
?
 url='http://search.dangdang.com/?key={}&page_index={}'.format(self.keyword,i) 
?
 soup=getSoupObject(url) 
?
 lis=soup('li',{'class':re.compile(r'line'),'id':re.compile(r'p')}) 
?
 for li in lis: 
?
 a=li.find_all('a',{'name':'itemlist-title','dd_name':'单品标题'}) 
?
 pn=li.find_all('span',{'class': 'search_now_price'}) 
?
 pp=li.find_all('span',{'class': 'search_pre_price'}) 
?
 
?
 if not len(a)==0: 
?
 link=a[0].attrs['href'] 
?
 title=a[0].attrs['title'].strip() 
?
 else: 
?
 link='NULL'
?
 title='NULL'
?
 
?
 if not len(pn)==0: 
?
 prNow=pn[0].string 
?
 else: 
?
 prNow='NULL'
?
 
?
 if not len(pp)==0: 
?
 prPre=pp[0].string 
?
 else: 
?
 prPre='NULL'
?
 sql="insert into {} (id,title,prNow,prPre,link) values ({},'{}','{}','{}','{}')".format(tableName,count,title,prNow,prPre,link) 
?
 cursor.execute(sql) 
?
 print('\r提示：正在存入当当数据,当前处理id：{}'.format(count),end='') 
?
 count +=1
?
 conn.commit() 
?
 except: 
?
 pass
?
 
?
class AmazonThread(threading.Thread): 
?
 def __init__(self,keyword): 
?
 threading.Thread.__init__(self) 
?
 self.keyword=keyword 
?
 
?
 def run(self): 
?
 print('\n提示：开始爬取亚马逊数据...') 
?
 count=1
?
 length=getPageLength('Amazon','https://www.amazon.cn/s/keywords={}'.format(self.keyword))#总页数 
?
 tableName='db_{}_amazon'.format(self.keyword) 
?
 
?
 try: 
?
 print('\n提示：正在创建Amazon表...') 
?
 cursor.execute('create table {} (id int ,title text,prNow text,link text)'.format(tableName)) 
?
 
?
 print('\n提示：开始爬取亚马逊页面...') 
?
 for i in range(1,int(length)): 
?
 url='https://www.amazon.cn/s/keywords={}&page={}'.format(self.keyword,i) 
?
 soup=getSoupObject(url) 
?
 lis=soup('li',{'id':re.compile(r'result_')}) 
?
 for li in lis: 
?
 a=li.find_all('a',{'class':'a-link-normal s-access-detail-page a-text-normal'}) 
?
 pn=li.find_all('span',{'class': 'a-size-base a-color-price s-price a-text-bold'}) 
?
 if not len(a)==0: 
?
 link=a[0].attrs['href'] 
?
 title=a[0].attrs['title'].strip() 
?
 else: 
?
 link='NULL'
?
 title='NULL'
?
 
?
 if not len(pn)==0: 
?
 prNow=pn[0].string 
?
 else: 
?
 prNow='NULL'
?
 
?
 sql="insert into {} (id,title,prNow,link) values ({},'{}','{}','{}')".format(tableName,count,title,prNow,link) 
?
 cursor.execute(sql) 
?
 print('\r提示：正在存入亚马逊数据,当前处理id：{}'.format(count),end='') 
?
 count +=1
?
 conn.commit() 
?
 except: 
?
 pass
?
 
?
class JDThread(threading.Thread): 
?
 def __init__(self,keyword): 
?
 threading.Thread.__init__(self) 
?
 self.keyword=keyword 
?
 def run(self): 
?
 print('\n提示：开始爬取京东数据...') 
?
 count=1
?
 
?
 tableName='db_{}_jd'.format(self.keyword) 
?
 
?
 try: 
?
 print('\n提示：正在创建JD表...') 
?
 cursor.execute('create table {} (id int,title text,prNow text,link text)'.format(tableName)) 
?
 print('\n提示：开始爬取京东页面...') 
?
 for i in range(1,100): 
?
 url='https://search.jd.com/Search?keyword={}&page={}'.format(self.keyword,i) 
?
 soup=getSoupObject(url) 
?
 lis=soup('li',{'class':'gl-item'}) 
?
 for li in lis: 
?
 a=li.find_all('div',{'class':'p-name'}) 
?
 pn=li.find_all('div',{'class': 'p-price'})[0].find_all('i') 
?
 
?
 if not len(a)==0: 
?
 link='http:' + a[0].find_all('a')[0].attrs['href'] 
?
 title=a[0].find_all('em')[0].get_text() 
?
 else: 
?
 link='NULL'
?
 title='NULL'
?
 
?
 if(len(link) > 128): 
?
 link='TooLong'
?
 
?
 if not len(pn)==0: 
?
 prNow='￥'+ pn[0].string 
?
 else: 
?
 prNow='NULL'
?
 sql="insert into {} (id,title,prNow,link) values ({},'{}','{}','{}')".format(tableName,count,title,prNow,link) 
?
 cursor.execute(sql) 
?
 print('\r提示：正在存入京东网数据,当前处理id：{}'.format(count),end='') 
?
 count +=1
?
 conn.commit() 
?
 except : 
?
 pass
?
def closeDB(): 
?
 global conn,cursor 
?
 conn.close() 
?
 cursor.close() 
?
 
?
def main(): 
?
 print('提示：使用本程序，请手动创建空数据库：Book，并修改本程序开头的数据库连接语句') 
?
 keyword=input("\n提示：请输入要爬取的关键字：") 
?
 
?
 dangdangThread=DangDangThread(keyword) 
?
 amazonThread=AmazonThread(keyword) 
?
 jdThread=JDThread(keyword) 
?
 dangdangThread.start() 
?
 amazonThread.start() 
?
 jdThread.start() 
?
 dangdangThread.join() 
?
 amazonThread.join() 
?
 jdThread.join() 
?
 closeDB() 
?
 print('\n爬取已经结束，即将关闭....') 
?
 os.system('pause') 
?
 
?
main()

示例截图：

关键词：Android下的部分运行结果（以导出至Excel）

.