Python实战课程1-2练习：爬取商品信息

学会了制作本地网页，了解网页构成，接着便可以使用强大的第三方库BeautifulSoup爬取网页信息了。
下面有一个网页的商品信息，我们要获得商品名称，价格，图片，星级评价以及浏览量等信息，将信息分类提取出来方便我们查阅。

Paste_Image.png

1. PyCharm新建python文件
   新建一个以main.py文件
2. 从index.html读取内容
   打开创建的main.py文件和index.html文件，用浏览器查看html编写的网页，右键“检查”copy需要爬取的信息标签（商品名称，图片地址，价格，评分星级，浏览量等），注意用copy selector的方式赋值保存到main.py文件中注释备用。

Paste_Image.png

注意BeautifulSoup不支持nth-child语法，后续使用时候将其删去。

3. 编写main.py文件爬取网页信息
   导入bs4库，以读取方式打开html文件。用BeautifulSoup库读取网页内容，包含html文件和所需分析引擎，可以选择如下几种（这里我使用的是lxml）：
   (1) html.parser: BeautifulSoup内置引擎，无须安装
   (2) html5lib: 需要安装，命令 pip instanll html5lib （或者也可以通过PyCharm安装，下同）
   (3) lxml: 需要安装，命令 pip install lxml
   ![Uploading Paste_Image_067521.png . . .]
   根据CSS.Selector分别提取各个项目相应的信息，用select()方法得到结果列表：

Paste_Image.png

用for循环和zip()函数遍历每一项信息放入字典容器中。接下来几部很关键，对于各个标签提取属性信息不同，需要注意：

1. 商品名称，价格和浏览量都是文本信息，用get_text()方法即可得到相应内容；
2. image是图片，我们需要获取图片地址，这是图片标签imag的src属性，因此用get()方法直接获取，即image.get('src')；
3. 最后是星星数目，需要用到find_all()方法：
   find_all(name, attrs, recursive, text, **kwargs)
   find_all()方法搜索当前tag的所有tag子节点，并判断是否符合过滤器的条件。
   在网页中检查星星标签时可以发现规律，根据这个作为条件筛选得到元素个数就是星星数目。
   ——————————————————————
   爬取获得的信息如下：

Paste_Image.png

附录（源码）：

Paste_Image.png Paste_Image.png