2020-10-18

1.豆瓣电影的爬取(无反爬)

## 请求网页库

import requests

## 解析网页库

from lxmlimport etree

## 保存用的库

import pandasas pd

## 建立文件夹

import os

IMGURLS=[]

MOVIES=[]

## 获取网页源代码

def get_html(url):

headers = {

"User-Agent":"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36"}

try:

html = requests.get(url, headers=headers)

## 进行转码

        html.encoding = html.apparent_encoding

if html.status_code ==200:

print("成功获得源代码")

## html.text对应的是源代码

            print(html.text)

except Exception as e:

print("获取源代码失败:%s" % e)

return html.text

## 解析网页源代码

def parse_html(html):

movies = []

imgurls = []

## 把网页进行分解

    html = etree.HTML(html)

## 用xpath语法获得特定的列元素,得到的结果放置在列表中

    lis = html.xpath("//ol[@class='grid_view']/li")

print(len(lis))

## 创建一个循环得到每个列

    for liin lis:

name = li.xpath(".//a/span[@class='title']/text()")[0]

director_actor = li.xpath(".//div[@class='bd']/p/text()")[0].strip()

info = li.xpath(".//div[@class='bd']/p/text()")[1].strip()

rating_score = li.xpath(".//div[@class='star']/span[2]/text()")[0]

rating_num = li.xpath(".//div[@class='star']/span[4]/text()")[0]

##introduce = li.xpath(".//p[@class='quote']/span/text()")[0]

        imgurl = li.xpath(".//img/@src")[0]

## 把数据封装到一个对象里面

        movie = {'name': name, 'director_actor': director_actor, 'info': info, 'rating_score': rating_score,

                'rating_num': rating_num,}

movies.append(movie)

imgurls.append(imgurl)

print(name)

print(director_actor)

print(info)

print(rating_score)

print(rating_num)

## print(introduce)

        print(imgurl)

return movies, imgurls

## 下载电影对应的图片

def downloading(url, movie):

## 建立一个文件夹

    if 'movieposter' in os.listdir("D:\spider"):

pass

    else:

os.mkdir('movieposter')

## 更改当前文件位置

    os.chdir("D:\spider\movieposter")

img = requests.get(url).content

with open(movie['name'] +'.jpg', 'wb')as f:

print('正在下载: %s' % url)

f.write(img)

if __name__ =='__main__':

for iin range(10):

url ="http://movie.douban.com/top250?start=" +str(i *25) +"&filter="

        html = get_html(url)

## 得到字典类型的数据

        movies = parse_html(html)[0]

imgurls = parse_html(html)[1]

## 把多页综合到一起

        MOVIES.extend(movies)

IMGURLS.extend(imgurls)

for iin range(250):

downloading(IMGURLS[i], MOVIES[i])

##print(movies)

    ## 把字典类型的数据转化为excel接受的数据形式

    os.chdir("D:\spider")

moviedata = pd.DataFrame(MOVIES)

print(moviedata)

moviedata.to_csv("movie1.csv")

print("电影信息保存到本地")

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,658评论 6 496
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,482评论 3 389
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 160,213评论 0 350
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,395评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,487评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,523评论 1 293
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,525评论 3 414
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,300评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,753评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,048评论 2 330
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,223评论 1 343
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,905评论 5 338
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,541评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,168评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,417评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,094评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,088评论 2 352