python手写了个简易的豆瓣影评爬虫

2024-08-26 07:44

本文主要是介绍python手写了个简易的豆瓣影评爬虫,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

使用python手写了个简易的豆瓣影评爬虫代码。

__author__ = 'wsx'import time
import requests
from bs4 import BeautifulSoup
import os
import re
import uuiddef clean_windows_filename(string_file_name):invalid_chars = r'[\\/:*?"<>|]'return re.sub(invalid_chars, '', string_file_name)
class Mz:def __init__(self):# self.url = 'http://www.mzitu.com'# self.headers = {#     'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3112.113 Safari/537.36',#     'Referer': 'http://www.mzitu.com/'# }self.url = 'https://nj9.net/id/'self.headers = {'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3112.113 Safari/537.36','Referer': 'https://nj9.net'}self.proxy_list = {'http': 'http://47.56.110.204:8989','https': 'https://65.109.204.150:80'}self.req = requests.session()self.all_a = 5000self.all_a_title = []self.all_a_max = []try:os.makedirs(os.path.join(os.getcwd(), 'douban'))os.chdir(os.path.join(os.getcwd(), 'douban'))except OSError as e:# 处理其他类型的错误print("已存在文件,跳过创建文件!")finally:self.initpwd = os.getcwd()def contains_unfound(s):return "未找到" in sdef Downloadimg2(self):nurl = "https://movie.douban.com/subject/36328210/comments"html = self.req.get(nurl, headers=self.headers)title = BeautifulSoup(html.text, 'lxml').find('h1').text# 定义不允许的字符invalid_chars = '<>:"/\\|?*'# 使用正则表达式替换所有不允许的字符为空字符串sanitized = re.sub(f'[{re.escape(invalid_chars)}]', '', title)if "未找到" in title:print("未找到")else:try:os.makedirs(os.path.join(os.getcwd(), sanitized))except OSError as e:# 处理其他类型的错误print(title + "已存在文件,跳过创建文件!")finally:os.chdir(os.path.join(os.getcwd(), sanitized))shortUrl = BeautifulSoup(html.content, 'lxml')# 查找所有的<img>标签short_tags = shortUrl.find_all('span', class_='short')# 获取每个<img>标签的src属性all_short = [short.text for short in short_tags]# 打印获取到的所有短评for short in all_short:print(short)# 打开文件并写入文本txt_url = os.getcwd() + "\\" + sanitized+str(".txt")with open(txt_url, 'a', encoding='utf-8') as file:file.write(short)file.write("\n\n")os.chdir(self.initpwd)print('Dowmload completed!')if __name__ == '__main__':test = Mz()test.Downloadimg2()

备注:如果需要其他电影评论,需替换代码中nurl ;

这篇关于python手写了个简易的豆瓣影评爬虫的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1107967

相关文章

python管理工具之conda安装部署及使用详解

《python管理工具之conda安装部署及使用详解》这篇文章详细介绍了如何安装和使用conda来管理Python环境,它涵盖了从安装部署、镜像源配置到具体的conda使用方法,包括创建、激活、安装包... 目录pytpshheraerUhon管理工具:conda部署+使用一、安装部署1、 下载2、 安装3

Python进阶之Excel基本操作介绍

《Python进阶之Excel基本操作介绍》在现实中,很多工作都需要与数据打交道,Excel作为常用的数据处理工具,一直备受人们的青睐,本文主要为大家介绍了一些Python中Excel的基本操作,希望... 目录概述写入使用 xlwt使用 XlsxWriter读取修改概述在现实中,很多工作都需要与数据打交

使用Python实现在Word中添加或删除超链接

《使用Python实现在Word中添加或删除超链接》在Word文档中,超链接是一种将文本或图像连接到其他文档、网页或同一文档中不同部分的功能,本文将为大家介绍一下Python如何实现在Word中添加或... 在Word文档中,超链接是一种将文本或图像连接到其他文档、网页或同一文档中不同部分的功能。通过添加超

Python MySQL如何通过Binlog获取变更记录恢复数据

《PythonMySQL如何通过Binlog获取变更记录恢复数据》本文介绍了如何使用Python和pymysqlreplication库通过MySQL的二进制日志(Binlog)获取数据库的变更记录... 目录python mysql通过Binlog获取变更记录恢复数据1.安装pymysqlreplicat

利用Python编写一个简单的聊天机器人

《利用Python编写一个简单的聊天机器人》这篇文章主要为大家详细介绍了如何利用Python编写一个简单的聊天机器人,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 使用 python 编写一个简单的聊天机器人可以从最基础的逻辑开始,然后逐步加入更复杂的功能。这里我们将先实现一个简单的

基于Python开发电脑定时关机工具

《基于Python开发电脑定时关机工具》这篇文章主要为大家详细介绍了如何基于Python开发一个电脑定时关机工具,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录1. 简介2. 运行效果3. 相关源码1. 简介这个程序就像一个“忠实的管家”,帮你按时关掉电脑,而且全程不需要你多做

Python实现高效地读写大型文件

《Python实现高效地读写大型文件》Python如何读写的是大型文件,有没有什么方法来提高效率呢,这篇文章就来和大家聊聊如何在Python中高效地读写大型文件,需要的可以了解下... 目录一、逐行读取大型文件二、分块读取大型文件三、使用 mmap 模块进行内存映射文件操作(适用于大文件)四、使用 pand

python实现pdf转word和excel的示例代码

《python实现pdf转word和excel的示例代码》本文主要介绍了python实现pdf转word和excel的示例代码,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价... 目录一、引言二、python编程1,PDF转Word2,PDF转Excel三、前端页面效果展示总结一

Python xmltodict实现简化XML数据处理

《Pythonxmltodict实现简化XML数据处理》Python社区为提供了xmltodict库,它专为简化XML与Python数据结构的转换而设计,本文主要来为大家介绍一下如何使用xmltod... 目录一、引言二、XMLtodict介绍设计理念适用场景三、功能参数与属性1、parse函数2、unpa

Python中使用defaultdict和Counter的方法

《Python中使用defaultdict和Counter的方法》本文深入探讨了Python中的两个强大工具——defaultdict和Counter,并详细介绍了它们的工作原理、应用场景以及在实际编... 目录引言defaultdict的深入应用什么是defaultdictdefaultdict的工作原理