item in soup.find_all('div', class_='gl-i-wrap'): # 根据实际class调整

    try:

    title = item.find('div', class_='p-name').em.get_text(strip=True)

    price = item.find('div', class_='p-price').strong.i.get_text()

    shop = item.find('div', class_='p-shop').span.get_text(strip=True) if item.find('div', class_='p-shop') else '未知'

    # 评价数有时在另一个标签里，需要更复杂的查找

    commit = item.find('div', class_='p-commit').strong.get_text(strip=True) if item.find('div', class_='p-commit') else '0'

    books.append([title, price, shop, commit])

    except AttributeError as e:

    print(f“解析错误: {e}, 跳过此项“)

    continue

    df = pd.DataFrame(books, columns=['书名','价格','店铺','评价数'])

    df.to_csv('jd_math_books_page1.csv', index=False, encoding='utf-8-sig')

    短短几十行代码，他调试了大半天。问题层出不穷：标签class名不准确、某些商品信息缺失导致find返回None进而引发AttributeError、价格符号和评价文本中夹杂着“￥”、“+”等需要清洗的字符、以及最棘手的——京东的部分商品信息是通过JavaScript动态加载的，直接请求HTML页面获取不到。他不得不学习使用requests抓取实际的接口数据（通过开发者工具查看Network中的XHR请求），这比解析静态HTML复杂得多。

    第四、五天：优化、多页抓取与当当网适配。

    解决动态加载问题后，他增加了循环，尝试抓取前5页数据（约100条）。他加入了time.sleep(random.uniform(1, 3))在每次请求之间随机休眠1-3秒，避免访问过快触发反爬。数据存储也从单页覆盖改为追加模式。

    接着，他用类似的方法分析当当网的结构，编写了适配的爬虫脚本。当当的反爬似乎弱一些，但页面结构也略有不同，需要调整选择器。

    第六天：数据清洗与初步分析。

    他成功抓取了京东156条、当当189条有效数据。但原始数据很“脏”：价格是字符串“￥39.80”，需要提取数字；评价数可能是“2万+”，需要转换为近似数值（如20000）；店铺名有冗余信息。他用pan-->>

本章未完，点击下一页继续阅读