python爬虫初步

和http(超文本传输协议)

爬虫步骤:确认需求》寻找需求》发送请求》解析数据》存储数据

python爬虫初步

编码规范

#-*-coding:utf-8-*-  or  #coding =utf-8

python可以加入main函数来测试程序if __name__= “”__mian__“”;当函数执行时调用函数,(文件中要定义main函数)

文件中如果不定义此函数,编译器按顺序执行

注释#导入第三方模块modulebs4#网页解析re#正则表达式urllib requrets error#制订url,获取网页数据xlat#进行excel操作sqlite3#进行SQLite数据库操作

baseurl ="https://movie.douban.com/top250?start="# 链接、图片、

findlink = re.compile(r'<a href="(.*?)">')#创建正则表达式对象,表示规则(字符串模式)

findimg = re.compile(r'<img.*src="(.*?)"',re.S)

findTitle = re.compile(r'<span class="title">(.*)</span>')

findrating = re.compile(r'<span class="rating_num" property="v:average">(.*)</span>')

findjudege = re.compile(r'<span>(\d*)人评价</span>')

findinq = re.compile(r'<span class="inq">(.*)</span>')

findbd = re.compile(r'<p class="">(.*?)</p>',re.S)

# re.S表示忽视换行符,包括换行符

savepath ="豆瓣电影top250.xls"

datalist = []

def main():

# getdata(baseurl)

    datalist = getdata(baseurl)

saveData(datalist,savepath)

def getdata(baseurl):

for iin range(0,10):

url = baseurl+str(i*25)

html = askurl(url)

#逐一解析

        soup = BeautifulSoup(html,"html.parser")

for itemin soup.find_all("div",class_="item"):

data = []

item =str(item)

# print(item)

# break

            link = re.findall(findlink,item)[0]

data.append(link)

img = re.findall(findimg,item)[0]

data.append(img)

title = re.findall(findTitle,item)

if(len(title)==2):

ctitle = title[0]

data.append(ctitle)

otitle = title[1].replace("/","")

data.append(otitle)

else:

data.append(title[0])

data.append(' ')

rating = re.findall(findrating,item)[0]

data.append(rating)

jubge = re.findall(findjudege,item)[0]

data.append(jubge)

inq = re.findall(findinq,item)

if(len(inq) !=0):

inq = inq[0].replace("。","")

data.append(inq)

else:

data.append(" ")

bd = re.findall(findbd,item)[0]

bd=re.sub('<br(\s+)?/>(\s+)?'," ",bd)

bd = re.sub("/"," ",bd)

data.append(bd.strip())

datalist.append(data)

# print(datalist)

    return datalist

def askurl(url):

head = {

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

    }

html =""

    try:

request = urllib.request.Request(url,headers=head)

response = urllib.request.urlopen(request)

html = response.read().decode("utf-8")

# print(html)

    except urllib.error.URLErroras e:

if hasattr(e,"code"):

print(e.code)

if hasattr(e,"reason"):

print(e.reason)

return  html

def saveData(datalist,savepath):

book = xlwt.Workbook(encoding="utf-8",style_compression=0)

sheet = book.add_sheet('豆瓣电影top250',cell_overwrite_ok=True)

col = ("电影链接","1","1","2","1","2","1","2")

for iin range(8):

sheet.write(0,i,col[i])

for iin range(250):

print("第%d条"%i)

data = datalist[i]

for jin range(8):

sheet.write(i+1, j, data[j])

book.save(savepath)

if __name__ =="__main__":

main()





©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 217,185评论 6 503
  • 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 92,652评论 3 393
  • 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 163,524评论 0 353
  • 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 58,339评论 1 293
  • 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 67,387评论 6 391
  • 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 51,287评论 1 301
  • 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 40,130评论 3 418
  • 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 38,985评论 0 275
  • 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 45,420评论 1 313
  • 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 37,617评论 3 334
  • 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 39,779评论 1 348
  • 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 35,477评论 5 345
  • 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 41,088评论 3 328
  • 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 31,716评论 0 22
  • 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 32,857评论 1 269
  • 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 47,876评论 2 370
  • 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 44,700评论 2 354