基于Python开发基础静态网页爬虫，自动抓取豆瓣读书各类榜单公开书籍信息，完成数据提取、清洗与本地文件导出，适用于图书信息汇总、书单统计等基础数据需求，全程仅抓取网站公开合规数据。 ## 使用技术栈（基础向，无高阶技术） Python、Requests、BeautifulSoup、XPath、正则表达式、CSV/Excel文件存储 ## 实现功能 1. 发送网页请求，模拟正常浏览器访问豆瓣读书榜单页面，获取页面源码； 2. 定位榜单列表，批量提取每本书公开信息：书名、作者、出版社、出版年份、评分、评价人数、书籍标签、书籍链接； 3. 对脏数据清洗处理：去除多余空格、统一空值格式、重复书籍去重； 4. 将整理完成的全部榜单数据自动保存为CSV、Excel文件，方便查阅统计； 5. 添加请求延时、请求头伪装，降低访问拦截概率，脚本稳定运行。 ## 项目流程 1. 导入所需Python工具库，配置基础请求头与访问延时； 2. 定义请求函数，获取豆瓣榜单页面HTML源码； 3. 使用BeautifulSoup解析页面标签，循环遍历所有书籍条目； 4. 逐条提取目标字段，做数据清洗修正； 5. 建立数据表结构，循环写入本地Excel/CSV文件； 6. 增加异常捕获，访问失败自动打印提示，方便排查问题。 ## 项目成果 可一次性采集豆瓣热门图书榜单上百条书籍公开数据，输出结构化表格文件，数据规整无冗余，代码注释清晰、可二次修改适配其他榜单页面，仅抓取公开可见内容，遵守网站robots协议，合规无侵权风险。 ## 运行环境 Windows / Mac 本地Python3环境，无需数据库、无浏览器自动化、无代理IP等高阶依赖。 ## 可直接复制粘贴完整文本（复制到作品集框直接用） ### 完整可直接上传文本 ### 项目：豆瓣读书榜单爬虫 项目简介：使用Python基础爬虫技术抓取豆瓣读书榜单公开图书数据，完成信息提取、清洗并导出表格文件，用于书单整理、图书信息统计，仅采集网站公开合规内容。 技术栈：Python、Requests、BeautifulSoup、XPath、Excel/CSV数据存储 核心功能： 1. 模拟浏览器请求豆瓣榜单页面，获取网页源码； 2. 批量提取书籍书名、作者、评分、出版社、标签、评价人数等公开信息； 3. 清洗脏数据，去除无效空格、重复数据，统一数据格式； 4. 自动将全部采集数据导出Excel、CSV文件，便于查看统计； 5. 设置请求头、访问延时，降低网站限制，提升脚本稳定性； 6. 增加基础异常捕获，页面访问报错可快速定位问题。 项目流程：导入工具库→发送网页请求→解析页面提取数据→数据清洗处理→批量写入表格文件。 项目效果：单次可采集上百条榜单图书结构化数据，代码简单易修改，无复杂高阶技术，仅依赖本地Python环境运行，严格遵循爬虫合规要求。