第三章 数据解析(十二)续 2019-12-23

十二、bs4 – 实战– 豆瓣Top250爬虫实战(续

 

 

爬取内容

 

爬取豆瓣Top250


注意事项


1、headers

2、编码

3、使用BeautifulSoup


网站:

https://movie.douban.com/top250



示例代码:

import requests

from bs4 import BeautifulSoup

 

headers= {'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36(KHTML, like Gecko) Chrome/79.0.3945.88 Safari/537.36'}

 

# 获取详情页面url

def get_detail_urls(url):

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

    # print(resp.text)

    html = resp.text

    soup = BeautifulSoup(html, 'lxml')

    lis = soup.find('ol',class_='grid_view').find_all('li')

    detail_urls = []

    for li in lis:

        detail_url = li.find('a')['href']

        # print(detail_url)

        detail_urls.append(detail_url)

       return detail_urls

 

# 解析详情页面内容

def parse_detail_url(url):

    #解析详情页面内容

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

    # print(resp.text)

    html = resp.text

    soup = BeautifulSoup(html, 'lxml')

    #电影名

    name = list(soup.find('div',id='content').find('h1').stripped_strings)

    # 去除列表,输出字符串

    name = ''.join(name)

    # print(name)

    #导演

    director = list(soup.find('div',id='info').find('span').find('span', class_='attrs').stripped_strings)

    director = ''.join(director)

    # print(director)

    #编剧

    screenwriter = list(soup.find('div',id='info').find_all('span')[3].find("span",class_='attrs').stripped_strings)

    screenwriter = ''.join(screenwriter)

    # print(screenwriter)

    # 主演

    actor = list(soup.find('span',class_='actor').find('span', class_='attrs').stripped_strings)

    # print(actor)

    #评分

    score = soup.find('strong', class_='llrating_num').string

    print(score)

    f.write('{},{},{},{},{}\n'.format(name,director, screenwriter, ''.join(actor), score))

 

def main():

    base_url ='https://movie.douban.com/top250?start={}&filter='

    with open('Top250.csv', 'a',encoding='utf-8') as f:

        #调用get_detail_urls函数

        for x in range(0.251,25):

            url = base_url.format(x)

            detail_urls = get_detail_urls(url)

            for detail_url in detail_urls:

                parse_detail_url(detail_url, f)

 

 

if__name__ == '__main__':

    main()



上一篇文章 第三章 数据解析(十二) 2019-12-22 地址: 

https://www.jianshu.com/p/a70e17e2e7c9

下一篇文章 第三章 数据解析(十三) 2019-12-24 地址:

https://www.jianshu.com/p/3303a724cd67



以上资料内容来源网络,仅供学习交流,侵删请私信我,谢谢。

最后编辑于
©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 216,919评论 6 502
  • 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 92,567评论 3 392
  • 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 163,316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 58,294评论 1 292
  • 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 67,318评论 6 390
  • 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 51,245评论 1 299
  • 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 40,120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 38,964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 45,376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 37,592评论 2 333
  • 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 39,764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 35,460评论 5 344
  • 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 41,070评论 3 327
  • 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 31,697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 32,846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 47,819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 44,665评论 2 354

推荐阅读更多精彩内容