Python爬虫学习--3--爬取豆瓣Top250电影

2024-01-10 01:58

本文主要是介绍Python爬虫学习--3--爬取豆瓣Top250电影,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!

爬取链接

这个网页中每页有25条信息,共有10页 首先我们要做的获取每一页的连接,由第一页

https://movie.douban.com/top250                                  //第一页

https://movie.douban.com/top250?start=0&filter=          //第一页

https://movie.douban.com/top250?start=25&filter=        //第二页

···  ···

https://movie.douban.com/top250?start=225&filter=      //第十页

每一页25条,可以获得上述链接 ,仅仅是start中的字段不相同

我们使用BeautifulSoup来获取网页代码中的信息

查看源代码

可以看出所有电影信息都在一个有序列表 ol 中, class="gird_view"

获取信息保存至txt文件

# -*- coding:utf-8 -*-
import requests
from bs4 import BeautifulSoup
import re
import time
import sysdef getHTMLText(url, k):try:if(k == 0):kw = {}else:kw = {'start':k,'filter':''}r = requests.get(url, params=kw, headers={'User-Agent':'Mozilla/4.0'})r.raise_for_status()   # 仅针对错误4** 和 5**,将引发异常,停止程序r.encoding = r.apparent_encoding  # 从内容中分析出的响应内容编码方式return r.textexcept:print("获取失败!")def getData(html):soup = BeautifulSoup(html, "html.parser")moviesList = soup.find('ol', attrs={'class':'grid_view'})  # 找到第一个属性值为gird_viewh=0for movieLi in moviesList.find_all('li'):  # 找到所有li的标签# 得到电影的名字movieHd=movieLi.find('div',attrs={'class':'hd'})movieName=movieHd.find('span',attrs={'class':'title'}).getText()f.write(('电影名:'+movieName+'   ').encode('utf-8'))print(movieName)# 得到电影链接movieUrl=movieHd.find('a', attrs={'class':''}).get('href')f.write(('链接:' + str(movieUrl)+ '   ').encode('utf-8'))# 得到影评movieBd = movieLi.find('div', attrs={'class': 'bd'})movieP = movieBd.find('p', attrs={'class': 'quote'})if(movieP):movieQuote = movieP.find('span', attrs={'class': 'inq'})f.write(('电影短评:' + movieQuote.getText()+ '   ').encode('utf-8'))else:f.write(('短评:没有短评'+ '   ').encode('utf-8'))# 得到评价人数movieEval=movieLi.find('div',attrs={'class':'star'})movieEvalNum=re.findall(r'\d+',str(movieEval))[-1]f.write(('评论数:' + movieEvalNum + '   ').encode('utf-8'))# 得到电影评分movieScore = movieBd.find('span', attrs={'class': 'rating_num'}).getText()f.write(('电影评分:' + movieScore + '   \n').encode('utf-8'))print(movieScore)# 获取电影导演主演movieSF=movieBd.find('p', attrs={'class':''}).getText()f.write(('导演主演:' + movieSF+ '   '+'\n\n').encode('utf-8'))print("")url='https://movie.douban.com/top250'
k=0
i=1
with open("top250.txt","wb") as f:f.write("豆瓣电影Top250\n".encode('utf-8'))while k <= 225:html=getHTMLText(url,k)time.sleep(1)getData(html)i += 1k += 25print("完成!")

 

这篇关于Python爬虫学习--3--爬取豆瓣Top250电影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/589165

相关文章

基于Python实现一个图片拆分工具

《基于Python实现一个图片拆分工具》这篇文章主要为大家详细介绍了如何基于Python实现一个图片拆分工具,可以根据需要的行数和列数进行拆分,感兴趣的小伙伴可以跟随小编一起学习一下... 简单介绍先自己选择输入的图片,默认是输出到项目文件夹中,可以自己选择其他的文件夹,选择需要拆分的行数和列数,可以通过

Python中反转字符串的常见方法小结

《Python中反转字符串的常见方法小结》在Python中,字符串对象没有内置的反转方法,然而,在实际开发中,我们经常会遇到需要反转字符串的场景,比如处理回文字符串、文本加密等,因此,掌握如何在Pyt... 目录python中反转字符串的方法技术背景实现步骤1. 使用切片2. 使用 reversed() 函

Python中将嵌套列表扁平化的多种实现方法

《Python中将嵌套列表扁平化的多种实现方法》在Python编程中,我们常常会遇到需要将嵌套列表(即列表中包含列表)转换为一个一维的扁平列表的需求,本文将给大家介绍了多种实现这一目标的方法,需要的朋... 目录python中将嵌套列表扁平化的方法技术背景实现步骤1. 使用嵌套列表推导式2. 使用itert

使用Docker构建Python Flask程序的详细教程

《使用Docker构建PythonFlask程序的详细教程》在当今的软件开发领域,容器化技术正变得越来越流行,而Docker无疑是其中的佼佼者,本文我们就来聊聊如何使用Docker构建一个简单的Py... 目录引言一、准备工作二、创建 Flask 应用程序三、创建 dockerfile四、构建 Docker

Python使用vllm处理多模态数据的预处理技巧

《Python使用vllm处理多模态数据的预处理技巧》本文深入探讨了在Python环境下使用vLLM处理多模态数据的预处理技巧,我们将从基础概念出发,详细讲解文本、图像、音频等多模态数据的预处理方法,... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核

Python使用pip工具实现包自动更新的多种方法

《Python使用pip工具实现包自动更新的多种方法》本文深入探讨了使用Python的pip工具实现包自动更新的各种方法和技术,我们将从基础概念开始,逐步介绍手动更新方法、自动化脚本编写、结合CI/C... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核

Conda与Python venv虚拟环境的区别与使用方法详解

《Conda与Pythonvenv虚拟环境的区别与使用方法详解》随着Python社区的成长,虚拟环境的概念和技术也在不断发展,:本文主要介绍Conda与Pythonvenv虚拟环境的区别与使用... 目录前言一、Conda 与 python venv 的核心区别1. Conda 的特点2. Python v

Python使用python-can实现合并BLF文件

《Python使用python-can实现合并BLF文件》python-can库是Python生态中专注于CAN总线通信与数据处理的强大工具,本文将使用python-can为BLF文件合并提供高效灵活... 目录一、python-can 库:CAN 数据处理的利器二、BLF 文件合并核心代码解析1. 基础合

Python使用OpenCV实现获取视频时长的小工具

《Python使用OpenCV实现获取视频时长的小工具》在处理视频数据时,获取视频的时长是一项常见且基础的需求,本文将详细介绍如何使用Python和OpenCV获取视频时长,并对每一行代码进行深入解析... 目录一、代码实现二、代码解析1. 导入 OpenCV 库2. 定义获取视频时长的函数3. 打开视频文

Python中你不知道的gzip高级用法分享

《Python中你不知道的gzip高级用法分享》在当今大数据时代,数据存储和传输成本已成为每个开发者必须考虑的问题,Python内置的gzip模块提供了一种简单高效的解决方案,下面小编就来和大家详细讲... 目录前言:为什么数据压缩如此重要1. gzip 模块基础介绍2. 基本压缩与解压缩操作2.1 压缩文