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

Python实现终端清屏的几种方式详解

《Python实现终端清屏的几种方式详解》在使用Python进行终端交互式编程时,我们经常需要清空当前终端屏幕的内容,本文为大家整理了几种常见的实现方法,有需要的小伙伴可以参考下... 目录方法一:使用 `os` 模块调用系统命令方法二:使用 `subprocess` 模块执行命令方法三:打印多个换行符模拟

Python实现MQTT通信的示例代码

《Python实现MQTT通信的示例代码》本文主要介绍了Python实现MQTT通信的示例代码,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值,需要的朋友们下面随着小编来一... 目录1. 安装paho-mqtt库‌2. 搭建MQTT代理服务器(Broker)‌‌3. pytho

基于Python开发一个图像水印批量添加工具

《基于Python开发一个图像水印批量添加工具》在当今数字化内容爆炸式增长的时代,图像版权保护已成为创作者和企业的核心需求,本方案将详细介绍一个基于PythonPIL库的工业级图像水印解决方案,有需要... 目录一、系统架构设计1.1 整体处理流程1.2 类结构设计(扩展版本)二、核心算法深入解析2.1 自

从入门到进阶讲解Python自动化Playwright实战指南

《从入门到进阶讲解Python自动化Playwright实战指南》Playwright是针对Python语言的纯自动化工具,它可以通过单个API自动执行Chromium,Firefox和WebKit... 目录Playwright 简介核心优势安装步骤观点与案例结合Playwright 核心功能从零开始学习

Python 字典 (Dictionary)使用详解

《Python字典(Dictionary)使用详解》字典是python中最重要,最常用的数据结构之一,它提供了高效的键值对存储和查找能力,:本文主要介绍Python字典(Dictionary)... 目录字典1.基本特性2.创建字典3.访问元素4.修改字典5.删除元素6.字典遍历7.字典的高级特性默认字典

Python自动化批量重命名与整理文件系统

《Python自动化批量重命名与整理文件系统》这篇文章主要为大家详细介绍了如何使用Python实现一个强大的文件批量重命名与整理工具,帮助开发者自动化这一繁琐过程,有需要的小伙伴可以了解下... 目录简介环境准备项目功能概述代码详细解析1. 导入必要的库2. 配置参数设置3. 创建日志系统4. 安全文件名处

使用Python构建一个高效的日志处理系统

《使用Python构建一个高效的日志处理系统》这篇文章主要为大家详细讲解了如何使用Python开发一个专业的日志分析工具,能够自动化处理、分析和可视化各类日志文件,大幅提升运维效率,需要的可以了解下... 目录环境准备工具功能概述完整代码实现代码深度解析1. 类设计与初始化2. 日志解析核心逻辑3. 文件处

python生成随机唯一id的几种实现方法

《python生成随机唯一id的几种实现方法》在Python中生成随机唯一ID有多种方法,根据不同的需求场景可以选择最适合的方案,文中通过示例代码介绍的非常详细,需要的朋友们下面随着小编来一起学习学习... 目录方法 1:使用 UUID 模块(推荐)方法 2:使用 Secrets 模块(安全敏感场景)方法

使用Python删除Excel中的行列和单元格示例详解

《使用Python删除Excel中的行列和单元格示例详解》在处理Excel数据时,删除不需要的行、列或单元格是一项常见且必要的操作,本文将使用Python脚本实现对Excel表格的高效自动化处理,感兴... 目录开发环境准备使用 python 删除 Excphpel 表格中的行删除特定行删除空白行删除含指定

Python通用唯一标识符模块uuid使用案例详解

《Python通用唯一标识符模块uuid使用案例详解》Pythonuuid模块用于生成128位全局唯一标识符,支持UUID1-5版本,适用于分布式系统、数据库主键等场景,需注意隐私、碰撞概率及存储优... 目录简介核心功能1. UUID版本2. UUID属性3. 命名空间使用场景1. 生成唯一标识符2. 数