猫眼电影爬取过程

  • 使用的技术:selenium,xpath,css_selector, re
  • 欢迎讨论
# coding=utf-8
'''
使用selenium爬取猫眼电影
名称评分上映时间
'''
import json
import random
import re
import time


from selenium.webdriver import Chrome, ActionChains

# selenium防反爬
from selenium.webdriver import ChromeOptions
options = ChromeOptions()
options.add_experimental_option('excludeSwitches', ['enable-automation'])
options.add_experimental_option('useAutomationExtension', False)
driver = Chrome(options=options)
driver.execute_cdp_cmd("Page.addScriptToEvaluateOnNewDocument", {
  "source": """
    Object.defineProperty(navigator, 'webdriver', {
      get: () => undefined
    })
  """
})
driver.implicitly_wait(30)



# 功能函数
def filterScore(origin):
    '''
    把原始评分数据处理成可用数据
    传入原始评分数据列表
    :return:
    '''
    new = []
    for i in origin:
        if len(i) > 10:
            i = i[19:21] + i[-5:-4]
        new.append(i)
    return new

# 先进行登录,以防爬取过程中跳出登录页面
url_ = 'https://maoyan.com/'
driver.get(url_)
ActionChains(driver).move_to_element(driver.find_element_by_xpath('/html/body/div[1]/div/div[3]/div')).perform()
driver.find_element_by_xpath('/html/body/div[1]/div/div[3]/div/ul/li/a').click() # 点击立即登录
driver.find_element_by_xpath('//*[@id="login-email"]').send_keys('账号')
driver.find_element_by_xpath('//*[@id="login-password"]').send_keys('密码')
driver.find_element_by_xpath('//*[@id="user-agreement-wrap-text-circle"]/i').click()
driver.find_element_by_xpath('//*[@id="J-normal-form"]/div[5]/input[5]').click()
time.sleep(5)
print('登录成功')



# 开始正式爬取
url_ = 'https://maoyan.com/films?showType=3&offset=0'   # 猫眼电影的starturl
driver.get(url_)
driver.implicitly_wait(30)
time.sleep(10) # 用于手动处理验证码


# 循环爬取数据
for i in range(5):
    text = driver.page_source
    print(text)

    # 用xpath无法解析出数据,改用re


    titleLIst = re.findall('data-act="movies-click" data-val="{movieId:.*?}">(.*?)</a>', text)

    originScoreList = re.findall('<div class="channel-detail channel-detail-orange">(.*?)</div>', text)
    scoreList = filterScore(originScoreList)

    upTimeList = [i.strip() for i in re.findall('<span class="hover-tag">上映时间:</span>(.*?)</div>', text.replace('\n', ''))]
    # upTimeList = re.findall('\d{4}-\d{2}-\d{2}', text)

    print(titleLIst, len(titleLIst))
    print(scoreList, len(scoreList))
    print(upTimeList, len(upTimeList))

    # 模拟滚动
    distance_ = 0
    for i in range(10):
        driver.execute_script(f'window.scrollTo(0,{distance_})')
        distance_ += 100
        time.sleep(0.2)

    # 持久化
    for i in range(len(titleLIst)):
        dict = {}
        dict['title'] = titleLIst[i]
        dict['score'] = scoreList[i]
        dict['upTime'] = upTimeList[i]
        with open('1.json', 'a', encoding='utf-8')as f:
            f.write(json.dumps(dict, ensure_ascii=False) + ',\n')

    time.sleep(random.choice([1,2,1.5]))

    driver.find_element_by_css_selector('#app > div > div.movies-panel > div.movies-pager > ul > li:last-child > a').click() # 点击下一页

©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 219,753评论 6 508
  • 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 93,668评论 3 396
  • 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 166,090评论 0 356
  • 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 59,010评论 1 295
  • 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 68,054评论 6 395
  • 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 51,806评论 1 308
  • 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 40,484评论 3 420
  • 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 39,380评论 0 276
  • 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 45,873评论 1 319
  • 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 38,021评论 3 338
  • 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 40,158评论 1 352
  • 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 35,838评论 5 346
  • 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 41,499评论 3 331
  • 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 32,044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 33,159评论 1 272
  • 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 48,449评论 3 374
  • 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 45,136评论 2 356

推荐阅读更多精彩内容