Python爬取豆瓣电影TOP250相关数据
2020-01-14 22:55
357 查看
Python用途广泛,功能强大。。。所以闲来无事想学学python,发帖记录我的学习过程,本次给大家分享一下简单的python爬取豆瓣电影TOP250的一些相关信息,比如电影名、资料等。至于一些关于python的介绍,各位自己再百度,至于代码的意思,注解的也相对很详细了。当然啦,写法有很多,各不相同!我就用贼笨贼low但贼一目了然的那种!各位看官共勉!
因为我是新手,看网上教程说推荐新手使用IDLE(对!就是很多人说比较low的那个!)
话不多说上代码!
""" 爬取豆瓣电影Top250 """ import requests,bs4,re def open_url(url): #使用代理,没有则不用搭理 #proxies = {"http":"127.0.0.1:1080","https":"127.0.0.1:1080"} #设置头部信息的目的: #因为如果不设置headers,请求则会使用python默认的,为了避免浏览器将请求当作不合法的请求给踢出(抛出)浏览器,故而添加头部信息进行伪装,这里添加谷歌头(电光毒龙钻) headers = {"user-agent":"Mozilla/5.0 (Windows NT 10.0,WOW54) AppleWebKit/537.36 (KHTML,like Gecko) Chrome/57.0.2987.98 Safari/537.36"} #res = requests.get(url,headers = headers,proxies = proxies) res = requests.get(url,headers = headers) #将res返回 return res def find_movies(res): #BeautifulSoup组件解析html页面 soup = bs4.BeautifulSoup(res.text,"html.parser") #电影名 movies = [] #打开开发者工具,在电影名处点击右键检查,定位html代码标签,可以看到在div标签下,class='hd' targets = soup.find_all("div",class_="hd") for each in targets: #在刚才所说的div标签下的a标签下的span标签中,我们提取span标签中的内容,调用text方法即可 movies.append(each.a.span.text) #评分 ranks = [] #同上 targets = soup.find_all("span",class_="rating_num") for each in targets: #评分得到后直接使用%s格式化将each.text即评分带入变量 ranks.append("评分:%s" % each.text) #资料 messages = [] #同上 targets = soup.find_all("div",class_="bd") for each in targets: #使用try的原因:查看本页面源代码可知资料栏中有的数据并没有足够的数据 #即:例如174和175,并没有主演等信息,所以此处使用try、except,否则 #报错超出数组索引范围 list index out of range try: messages.append(each.p.text.split('\n')[1].strip() + each.p.text.split('\n')[2].strip()) except: continue #返回结果 result = [] #简单的for循环将结果添加到result中,不做过多解释 length = len(movies) for i in range(length): result.append(movies[i] + ranks[i] + messages[i] + '\n') return result #找出一共有多少页 def find_depth(res): soup = bs4.BeautifulSoup(res.text,"html.parser") #这里在页面的下一页处点击右键检查,定位html位置,可知span标签,class属性为next #调用方法得到总页数,因为一页只显示25个,我们需要得到所有页数 depth = soup.find("span",class_ ="next").previous_sibling.previous_sibling.text #将总页数返回,后续循环遍历取数据 return int(depth) def main(): #先在首页面获取总页数 host = "https://movie.douban.com/top250" res = open_url(host) depth = find_depth(res) result = [] for i in range(depth): #在点击下一页后请求栏里数据会发生改变 #在不同的页码页面请求栏中很明显的可以看到后面添加String的数字,即'/?start='+str(num) url = host + '/?start=' + str(25 * i) print(f"正在爬取第{i+1}页:{url}") res = open_url(url) #调用方法爬取数据 result.extend(find_movies(res)) #将爬取结果写入到自定义的文件夹下, with open("E:/develop kits/python3.7.3/Training_files/results/豆瓣TOP250电影.txt","w",encoding = "utf-8") as f: for each in result: f.write(each) print("爬取完毕。") #调用主方法 if __name__ == "__main__": main()
新入坑大白鹅“广学技术”,闲来无事把我的学习过程慢慢记录起来以便以后方便回顾,各位大佬不喜勿喷。
- 点赞
- 收藏
- 分享
- 文章举报
相关文章推荐
- 利用 Python 爬取豆瓣电影排行榜 Top250 的数据
- Python爬虫初学(1)豆瓣电影top250评论数
- Python爬虫实战——豆瓣电影top250
- 1.【python爬虫学习笔记】爬取豆瓣电影top250
- python3 用xpath方法爬取豆瓣电影top250(排名,名称,演员表,评分,短评)
- Python 3爬虫小实战(一)—— 豆瓣电影Top250
- 【Python数据分析】Python3操作Excel-以豆瓣图书Top250为例
- Python爬虫——豆瓣电影Top250
- 实践Python的爬虫框架Scrapy来抓取豆瓣电影TOP250
- [Python爬虫]1.豆瓣电影Top250
- 【转】爬取豆瓣电影top250提取电影分类进行数据分析
- 爬取豆瓣电影top250(python3)
- Python爬取豆瓣电影top250
- 小猪的Python学习之旅 —— 14.项目实战:抓取豆瓣音乐Top 250数据存到Excel中
- Python爬虫实战——豆瓣电影Top250
- Python+Scrapy 爬取豆瓣电影排行榜Top250
- 再谈python爬取豆瓣电影TOP250
- python+beautifulsoup爬取豆瓣电影TOP250
- Python爬取豆瓣电影top250
- Python爬虫入门——2. 4 利用正则表达式爬取豆瓣电影 Top 250