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: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

nudepy,一个有趣的 Python 库!

更多资料获取 📚 个人网站:ipengtao.com 大家好,今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址:https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中,检测图像中的不适当内容(例如裸露图像)是一个重要的任务。nudepy 是一个基于 Python 的库,专门用于检测图像中的不适当内容。该

pip-tools:打造可重复、可控的 Python 开发环境,解决依赖关系,让代码更稳定

在 Python 开发中,管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等,都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools? pip-tools 是一组命令行工具,旨在简化 Python 依赖关系的管理,确保项目环境的稳定性和可重复性。它主要包含两个核心工具:pip-compile 和 pip

HTML提交表单给python

python 代码 from flask import Flask, request, render_template, redirect, url_forapp = Flask(__name__)@app.route('/')def form():# 渲染表单页面return render_template('./index.html')@app.route('/submit_form',

Python3 BeautifulSoup爬虫 POJ自动提交

POJ 提交代码采用Base64加密方式 import http.cookiejarimport loggingimport urllib.parseimport urllib.requestimport base64from bs4 import BeautifulSoupfrom submitcode import SubmitCodeclass SubmitPoj():de

Python QT实现A-star寻路算法

目录 1、界面使用方法 2、注意事项 3、补充说明 用Qt5搭建一个图形化测试寻路算法的测试环境。 1、界面使用方法 设定起点: 鼠标左键双击,设定红色的起点。左键双击设定起点,用红色标记。 设定终点: 鼠标右键双击,设定蓝色的终点。右键双击设定终点,用蓝色标记。 设置障碍点: 鼠标左键或者右键按着不放,拖动可以设置黑色的障碍点。按住左键或右键并拖动,设置一系列黑色障碍点

Python:豆瓣电影商业数据分析-爬取全数据【附带爬虫豆瓣,数据处理过程,数据分析,可视化,以及完整PPT报告】

**爬取豆瓣电影信息,分析近年电影行业的发展情况** 本文是完整的数据分析展现,代码有完整版,包含豆瓣电影爬取的具体方式【附带爬虫豆瓣,数据处理过程,数据分析,可视化,以及完整PPT报告】   最近MBA在学习《商业数据分析》,大实训作业给了数据要进行数据分析,所以先拿豆瓣电影练练手,网络上爬取豆瓣电影TOP250较多,但对于豆瓣电影全数据的爬取教程很少,所以我自己做一版。 目