爬取京东商品分类和链接

最近因为工作比较忙也没有更新随笔。昨天下班因为身体不舒服，代码也没有码多少。说码代码也还算不上，毕竟是自己无聊写点小脚本自娱自乐。

今天这篇主要的知识点是使用Python的BeautifulSoup进行多层的遍历。

笔者闲来无事写了个小爬虫，主要是爬取京东商品分类以及对应的连接

如图所示。只是一个简单的哈，不是爬取里面的隐藏的东西。

from bs4 import BeautifulSoup as bs
import requests
headers = {
    "host": "www.jd.com",
    "User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/47.0.2526.80 Safari/537.36 Core/1.47.933.400 QQBrowser/9.4.8699.400",
    "Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8"
    }
session = requests.session()
def get_url():
    renspned = bs(session.get('http://www.jd.com/',headers = headers).text,'html.parser')
    for i in renspned.find("div", {"class": "dd-inner"}).find_all("a",{"target":"_blank"}):
        print(i.get_text(),':',i.get('href'))
get_url()

运行这段代码以及达到了我们的目的。

我们来解读一下这段代码。
首先我们要访问到京东的首页。
然后通过BeautifulSoup对访问到的首页进行解析。
这个时候，我们就要定位元素，来获取我们需要的东西了。
在浏览器中通过F12，我们可以看到下图所示的东西：

我们来看看下面这句代码：

for i in renspned.find("div", {"class": "dd-inner"}).find_all("a",{"target":"_blank"})
这一行代码完全满足我们的需求，首先用find方法，定位到了class=“dd-inner”的div，然后使用find_all对该标签下所有的a标签。
最后，我想打印出所有的商品分类以及对应的链接，于是，我使用了i.get_text()和i.get('href')的方法终于获取到了商品分类和对应的链接。

其实不是很难，主要是要用对方法。笔者因为是初学方法没有用对。花了差不多两天时间才搞定。这里也是告诉大家，可以使用find().find_all()的方法进行多层的遍历。