如有错误，请疯狂打脸没关系，希望能够指出来。
0. 开始的开始
一直想做一个图书漂流软件，最近入手（入坑）了微信小程序，添加图书时需要用到isbn查询书籍信息的API（不用也可以，但用户会非常麻烦，强迫症晚期的我又跳入了isbn查询API的坑），但发现别人的API都很贵，豆瓣也收回了API的使用权，估计是要收费了。
所以，与其在坑里苦苦挣扎，不如。。。。再挖一个更大的坑，自己做一个。。。
1. 开始
首先打算用python写个爬虫（能力与知识有限，现在只能想到这个办法，如前辈们有更好的办法，请砸过来）。
搜索了几个可以用isbn查书籍信息的网站，最后还是选择了豆瓣。
豆瓣isbn查书籍信息的流程为：
打开豆瓣读书的首页
在搜索框输入isbn码
回车或点击小放大镜，书籍的信息出来了
本来想的很好，就这样一路闪电带火花把核心代码写了，然而，总有不尽人意的地方。就在第3步，本来打算在这里把信息给爬了，却发现爬回来是空的，也不知道什么原因（查html代码，发现有一级标签id为root，可能豆瓣设置了权限，猜的，具体原因不知道）。
2. 爬取内容
虽然人生不尽人意，但还是要走下去。在第3步的页面，点击书名或图片会出来更详细的信息。
果然，这里的信息可以爬取，要什么有什么。
2.1 获取书籍信息页面的链接地址
思路：
打开豆瓣读书首页，模拟浏览器填写isbn码，进行搜索，跳转到搜索结果页面，读取a标签href链接，即书籍信息页面的链接地址。
代码如下：
def isbn_search(isbn):
"""
输入：isbn
输出：豆瓣搜索结果的书籍链接
"""
# 创建浏览器对象
browser = webdriver.PhantomJS()
# 请求网址
browser.get("https://book.douban.com/subject_search?search_text=" + isbn + "&cat=1001")
# 解析网页信息
soup = BeautifulSoup(browser.page_source, "lxml")
# 读取标签内容
tags = soup.select("#root > div > div > div > div > div > div > a")
# 正则查找href链接
link_list = re.findall(r"(?<=href=\").+?(?=\")|(?<=href=\').+?(?=\')", str(tags[0]))
# 关闭浏览器
browser.close()
return link_list[0]
2.2 爬取书籍详细信息
思路：
打开2.1获取的页面，找到书籍信息块代码，爬回并清洗，得到需要的信息。
代码如下：
def book_info(douban_link):
"""
输入：豆瓣书籍链接
输出：书籍信息
"""
# 请求网址
g=requests.get(douban_link)
# 解析网页信息
soup=BeautifulSoup(g.content,"lxml")
# 由于书名和其他信息不在一起，单独处理书名
title = "书名： 《" + re.sub('[\f\n\r\t\v]','',re.sub('<([^>]+?)>','',str((soup.select("#wrapper > h1 > span"))[0]))) + "》"
# 存储书籍信息
infos = [title]
# 返回特定区域的html代码块
span_list = soup.findChild('div',{
'id':'info'})
for item in str(span_list).split('<br/>'): # 将信息按项目分割,每个item是一个信息项
# 用两次正则，一次去掉多余html代码，一次去掉制表换行等字符
# .split(":")以：分割每个信息项目
info_item = re.sub('[\f\n\r\t\v]','',re.sub('<([^>]+?)>','',item)).split(":")
info_temp = [] # 存放以“/”分隔的item
for info_item_item in info_item:
sprit = info_item_item.partition("/") # 以“/”分隔info_item_item
for sprit_item in sprit:
info_temp += sprit_item.partition("]") # 以“/”分隔sprit_item, 并将处理后的列表合并
# info_temp 存储单项信息的列表
# 以单项信息为操作单位去除空格
# temp_list 存储去空格处理后的单项信息
temp_list = []
for temp in info_temp:
ddd=temp.strip() # 去掉字符左右的空格
# 过滤掉因去掉空格而产生的空字符串
if ddd != '':
temp_list.append(ddd)
else:
continue
# 在书籍属性后加“：”
info = temp_list[0] + ': '
for i in range(1, len(temp_list)):
info += temp_list[i] # 拼接每个信息项目
# 判断temp_list是否为空，为空则info为错误值，不存入infos
if temp_list:
pass
else:
continue
infos.append(info)
return infos
3. 效果
这里使用PhantomJS浏览器，但会报UserWarning，Selenium最新版不支持PhantomJS了，我用的Selenium 3.141.0，UserWarning建议使用谷歌或火狐浏览器的无头模式，但我没成功，如有大佬成功了希望交流一下。
4. 完整代码下载
isbn查询书籍详细信息（2019/10/13）上一个版本由于某种原因，已不能使用，请下载 v2.0 版本。isbn查询书籍详细信息2.0（2020/3/30）- 时隔3年又更新了：
isbn查询书籍详细信息2.5（2023/5/3）- 解决了因浏览器驱动路径不对无法运行的问题
- 添加了豆瓣评分及评价人数，如下图：
由于csdn下载积分随下载次数不断增加，如积分不够，可私聊我，如果有积分还是希望赞助一下。
仅供学习，勿作商用，如有违反，我也不管 >-<
不知道豆瓣有一天会不会把这个方法给ban掉。
