鱼C论坛

 找回密码
 立即注册
查看: 1522|回复: 0

[技术交流] Python网络爬虫连载之二 - 豆瓣TOP250

[复制链接]
发表于 2018-1-18 10:20:28 | 显示全部楼层 |阅读模式

马上注册,结交更多好友,享用更多功能^_^

您需要 登录 才可以下载或查看,没有账号?立即注册

x
本帖最后由 payton24 于 2018-1-18 10:32 编辑

豆瓣Top250电影数据
网址: https://movie.douban.com/top250?start=0&filter=

1.测试网络响应状态
  1. import requests
  2. from bs4 import BeautifulSoup
  3. hds = {
  4. 'user-agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/52.0.2743.82 Safari/537.36',
  5. 'Host':'movie.douban.com'
  6. }

  7. for i in range(10):
  8.     r = requests.get('https://movie.douban.com/top250?start={}&filter='.format(i*25), headers=headers)
  9.     print(i,r.status_code)
复制代码



2. 获取电影数据:电影名,英文电影名,港台电影名,导演,电影信息,评分
  ● 使用csv文件导出数据。输出为乱码,需要用记事本转成ANSI编码。
  ● 参考网上信息,Windows 的「ANSI」其实是 Windows code pages,此模式根据当前 locale 选定具体的编码,比如简中 locale 下是 GBK。
     把自己这些 code page 称作「ANSI」是 Windows 的臭毛病。在 ASCII 范围内它们应该是和 ASCII 一致的。
  ● 还遗留了一些小问题,“ ”无法有效去除,所以在Excel显示时会出现?号。
  1. import csv

  2. movie_list =[]
  3. for i in range(10):
  4.     r = requests.get('https://movie.douban.com/top250?start={}&filter='.format(i*25), headers=hds)
  5.     print(i,r.status_code)
  6.     soup = BeautifulSoup(r.text,"lxml")
  7.     movie_content = soup.find_all('div',class_="info")   
  8.     for each in movie_content:
  9.         movie_name = each.div.a.span.text
  10.         movie_ename = each.div.a.contents[3].text.strip(' / ').replace(" ","")
  11.         movie_htname = each.div.a.find('span', class_='other').text.strip(' / ').replace(" ","")
  12.         
  13.         moviebrief = each.find('div',class_='bd').p.text.strip().split('\n',maxsplit=1)
  14.         director = moviebrief[0].replace(" ","")
  15.         some = moviebrief[1].strip().replace(" ","")   ##例如:1994 / 美国 / 犯罪 剧情
  16.         
  17.         rate = each.find('span',class_='rating_num').text
  18.         movie_list =[movie_name,movie_ename,movie_htname,director,some,rate]
  19.         with open('movietop250.csv','a+',encoding='UTF-8',newline="") as csvfile:
  20.             w = csv.writer(csvfile)
  21.             w.writerow(movie_list)
复制代码

本帖被以下淘专辑推荐:

想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

小黑屋|手机版|Archiver|鱼C工作室 ( 粤ICP备18085999号-1 | 粤公网安备 44051102000585号)

GMT+8, 2024-3-29 07:56

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表