爬取豆瓣电影TOP 250

网址https://movie.douban.com/top250

image.png

分析url,将首页url按照格式修改https://movie.douban.com/top250?start=0&filter=也可以访问,既可以构造url

image.png

前5页

urls=['https://movie.douban.com/top250?start={}&filter='.format(i)  for in in range(0,125,25)]

爬取每个电影详情页链接,详情页有关于电影的更多信息

def get_url(url):
    html=requests.get(url,headers=headers)
    xdata=etree.HTML(html.text)
    moive_urls=xdata.xpath('//div[@class="item"]/div[@class="pic"]/a[1]/@href')
    # print(moive_urls)
    for moive_url  in moive_urls:   
        get_info(moive_url)       #调用get_info
image.png

在mysql中选择一个库并创建存储数据的格式表(数据库命令)

create table dbmoives(
    id int auto_increment primary  key,
    name text,
    year text,
    director text,
    actor text,
    style text,
    country text,
    language text,
    release_time text,
    time text,
    other_name text,
    score text) charset=utf8;

表结构


image.png

然后获取电影的详细参数并写入数据库mysql

def get_info(url):
    try:
        html=requests.get(url,headers=headers)
        xdata=etree.HTML(html.text)
        name=xdata.xpath('//div[@id="wrapper"]//h1/span/text()')[0]
        print(name)
        year=xdata.xpath('//div[@id="wrapper"]//h1/span/text()')[1][1:5]
        print(year)
        director=xdata.xpath('//div[@id="info"]/span[1]/span[2]/a/text()')[0]
        print(director)
        actor=xdata.xpath('//div[@id="info"]//span[@class="actor"]//a/text()')[0]  #第一个主演
        print(actor)
        styles=xdata.xpath('//div[@id="info"]//span[@property="v:genre"]/text()')
        style='-'.join(styles)   #将list---》str
        print(style)
        country=re.findall('<span class="pl">制片国家/地区:</span> (.*?)<br/>',html.text,re.S)[0]
        print(country)
        language=re.findall(' <span class="pl">语言:</span> (.*?)<br/>',html.text,re.S)[0].replace(' / ','-')
        print(language)
        release_time=re.findall('<span class="pl">上映日期:</span> <span property="v:initialReleaseDate" content=".*?">(.*?)</span>',html.text,re.S)[0]
        print(release_time)
        time=re.findall('<span class="pl">片长:</span> <span property="v:runtime" content=".*?">(.*?)</span>.*?<br/>',html.text,re.S)[0]
        print(time)
        other_name=re.findall('<span class="pl">又名:</span> (.*?)<br/>',html.text,re.S)[0]
        print(other_name)
        score=xdata.xpath('//div[@id="interest_sectl"]//strong/text()')[0]
        print(score)

        #写入数据库mysql
        # insert_sub='insert into  dbmoives  values(0,'+'"'+str(song_name)+'"'+','+'"'+str(songhref)+'"'+','+'"'+str(songtime)+'"'+')'
        insert_sub='insert into  dbmoives values(0,%s,%s,%s,%s,%s,%s,%s,%s,%s,%s,%s)'%('"'+str(name)+'"','"'+str(year)+'"','"'+str(director)+'"','"'+str(actor)+'"','"'+str(style)+'"','"'+str(country)+'"','"'+str(language)+'"','"'+str(release_time)+'"','"'+str(time)+'"','"'+str(other_name)+'"','"'+str(score)+'"')
        # print(insert_sub)
        cursor.execute(insert_sub)
        # cursor.execute("insert into  dbmoives values(0,'泰坦尼克号','1997','詹姆斯','莱昂纳多','剧情','美国','英语','1998','194分钟','铁达尼号','9.4')")

    except Exception as e:
        print(e)

完整代码

import requests
from  lxml  import  etree
import re
import pymysql

# conn=pymysql.connect(host='127.0.0.1',user='root',passwd='123456',db='jt',port=3306,charset='utf-8')
conn=pymysql.connect(
            host='127.0.0.1',
            port=3306,
            db='jt',
            user='root',
            passwd='123456',
            # vharset='utf8'
            )
cursor=conn.cursor()

headers={
    'User-Agent':'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.169 Safari/537.36'
}

#根据每页获取每个电影详细的URL
def get_url(url):
    html=requests.get(url,headers=headers)
    xdata=etree.HTML(html.text)
    moive_urls=xdata.xpath('//div[@class="item"]/div[@class="pic"]/a[1]/@href')
    # print(moive_urls)
    for moive_url  in moive_urls:   
        get_info(moive_url)       #调用get_info
        

#获取电影的详细参数
def get_info(url):
    try:
        html=requests.get(url,headers=headers)
        xdata=etree.HTML(html.text)
        name=xdata.xpath('//div[@id="wrapper"]//h1/span/text()')[0]
        print(name)
        year=xdata.xpath('//div[@id="wrapper"]//h1/span/text()')[1][1:5]
        print(year)
        director=xdata.xpath('//div[@id="info"]/span[1]/span[2]/a/text()')[0]
        print(director)
        actor=xdata.xpath('//div[@id="info"]//span[@class="actor"]//a/text()')[0]  #第一个主演
        print(actor)
        styles=xdata.xpath('//div[@id="info"]//span[@property="v:genre"]/text()')
        style='-'.join(styles)   #将list---》str
        print(style)
        country=re.findall('<span class="pl">制片国家/地区:</span> (.*?)<br/>',html.text,re.S)[0]
        print(country)
        language=re.findall(' <span class="pl">语言:</span> (.*?)<br/>',html.text,re.S)[0].replace(' / ','-')
        print(language)
        release_time=re.findall('<span class="pl">上映日期:</span> <span property="v:initialReleaseDate" content=".*?">(.*?)</span>',html.text,re.S)[0]
        print(release_time)
        time=re.findall('<span class="pl">片长:</span> <span property="v:runtime" content=".*?">(.*?)</span>.*?<br/>',html.text,re.S)[0]
        print(time)
        other_name=re.findall('<span class="pl">又名:</span> (.*?)<br/>',html.text,re.S)[0]
        print(other_name)
        score=xdata.xpath('//div[@id="interest_sectl"]//strong/text()')[0]
        print(score)


        #写入数据库mysql
        # insert_sub='insert into  dbmoives  values(0,'+'"'+str(song_name)+'"'+','+'"'+str(songhref)+'"'+','+'"'+str(songtime)+'"'+')'
        insert_sub='insert into  dbmoives values(0,%s,%s,%s,%s,%s,%s,%s,%s,%s,%s,%s)'%('"'+str(name)+'"','"'+str(year)+'"','"'+str(director)+'"','"'+str(actor)+'"','"'+str(style)+'"','"'+str(country)+'"','"'+str(language)+'"','"'+str(release_time)+'"','"'+str(time)+'"','"'+str(other_name)+'"','"'+str(score)+'"')
        # print(insert_sub)
        cursor.execute(insert_sub)
        # cursor.execute("insert into  dbmoives values(0,'泰坦尼克号','1997','詹姆斯','莱昂纳多','剧情','美国','英语','1998','194分钟','铁达尼号','9.4')")

    except Exception as e:
        print(e)

if __name__=="__main__":
    urls=['https://movie.douban.com/top250?start={}&filter='.format(i)  for i in range(0,150,25)]

    for url in urls:
        get_url(url)
        # get_info('https://movie.douban.com/subject/1292722/')
    conn.commit()
    cursor.close()
    conn.close()

效果截图


image.png
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 215,634评论 6 497
  • 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 91,951评论 3 391
  • 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 161,427评论 0 351
  • 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 57,770评论 1 290
  • 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 66,835评论 6 388
  • 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 50,799评论 1 294
  • 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 39,768评论 3 416
  • 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 38,544评论 0 271
  • 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 44,979评论 1 308
  • 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 37,271评论 2 331
  • 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 39,427评论 1 345
  • 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 35,121评论 5 340
  • 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 40,756评论 3 324
  • 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 31,375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 32,579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 47,410评论 2 368
  • 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 44,315评论 2 352