Python爬虫学习--3--爬取豆瓣Top250电影

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！

---