Python第五天

基础知识


1)实现分页爬虫

for i in range(0,250,25):
url= 'https://movie.douban.com/top250?start={}&filter='.format(i)
循环访问网址不同的start的值就是不同的访问页,其他的爬虫过程类似昨天的。

Python例子


一、在网上下载图片

◉ 代码

import requests
response = requests.get('http://g.hiphotos.baidu.com/image/pic/item/5366d0160924ab18014cefd83bfae6cd7a890b82.jpg')
# #获取Bytes类型的响应
data = response.content
with open('./python.png','wb') as f:
    f.write(data)

◉ 结果截图


豆瓣TOP10爬虫


▶ 要求:
(1)获取:电影序号,电影名,电影介绍,电影星级,电影评价,电影描述,电影封面图地址
(2)输出所有的数据
(3)将所有的封面图片下载下来
▶ 代码:

#豆瓣TOP250爬虫
#导入
import requests
from lxml import etree
def spider_douban_top250():
    headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.142 Safari/537.36"}
    for i in range(0,250,25):
        url= 'https://movie.douban.com/top250?start={}&filter='.format(i)
        #获取bytes类型的响应
        data = requests.get(url,headers = headers).content
        html = etree.HTML(data)
        ol_list = html.xpath('//div[@id="content"]/div/div[1]/ol/li')

       
        movies_info = []
        for movie in ol_list:
            #影片序号
            serial_number = movie.xpath('./div/div[@class="pic"]/em/text()')
            if len(serial_number) == 0:
                serial_number = ''
            else:
                serial_number = serial_number[0]
            # print(serial_number)

            #电影的名字
            movies_name = movie.xpath('div/div[@class="info"]/div[@class="hd"]/a/span[1]/text()')
            if len(movies_name) == 0:
                movies_name = ''
            else:
                movies_name = movies_name[0]
            # print(movies_name)

            #电影介绍     只能用于字典.strip() 用来去空格
            movie_introduce = movie.xpath('div/div[@class="info"]/div[@class="bd"]/p/text()')
            if len(movie_introduce) == 0:
                movie_introduce = ''
            else:
                movie_introduce = movie_introduce[0].strip()
            # print(movie_introduce)

            #电影星级
            star = movie.xpath('div/div[@class="info"]/div[@class="bd"]/div[@class="star"]/span[@class="rating_num"]/text()')
            if len(star) == 0:
                star = ''
            else:
                star = star[0]
            # print(star)

            #电影评价
            evalute = movie.xpath('div/div[@class="info"]/div[@class="bd"]/div[@class="star"]/span[4]/text()')

            if len(evalute) == 0:
                evalute = ""
            else:
                evalute = evalute[0]
            evalute = evalute.replace('人评价', '')
            # print(evalute)

            #电影描述
            describe = movie.xpath('div/div[@class="info"]/div[@class="bd"]/p[@class="quote"]/span[@class="inq"]/text()')
            if len(describe) == 0:
                describe = ''
            else:
                describe = describe[0]
            # print(describe)

            #电影封面地址
            movie_img_url = movie.xpath('div/div[@class="pic"]/a/img/@src')
            if len(movie_img_url) == 0:
                movie_img_url = ''
            else:
                movie_img_url = movie_img_url[0]
            # print(movie_img_url)

            movies_info.append({
                'serial_number':serial_number,
                'movies_name':movies_name,
                'movie_introduce':movie_introduce,
                'star':star,
                'evalute':evalute,
                'describe':describe,
                'movie_img_url':movie_img_url
            })

        # print("这是第{}个页面".format(i))
        #遍历
        for movie in movies_info:
            print(movie)

        #下载图片
        for movie in movies_info:
            url = movie['movie_img_url']
            resp = requests.get(url)
            if resp.status_code == 200:
                img_name = 'hml00{}.jpg'.format(movie['serial_number'])
                with open('./imgs/{}'.format(img_name),'wb') as f:
                    f.write(resp.content)
            else:
                print("图片下载失败!")
    print("成功!")
spider_douban_top250()

▶ 数据截图
数据太多,这里就放部分数据。




▶ 项目截图




©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 215,794评论 6 498
  • 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 92,050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 161,587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 57,861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 66,901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 50,898评论 1 295
  • 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 39,832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 38,617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 45,077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 37,349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 39,483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 35,199评论 5 341
  • 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 40,824评论 3 325
  • 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 31,442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 32,632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 47,474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 44,393评论 2 352

推荐阅读更多精彩内容

  • python的基本类型 字典类型(dict) 字典是另一种可变容器模型,且可存储任意类型对象。字典的每个键值(ke...
    无尽的结阅读 322评论 0 0
  • :类的定义和创建对象: 类的定义:类变量 class Student: 在类中直接定义的属性(变量)就叫类属性(类...
    我是周先生阅读 287评论 0 0
  • python函数基础2019-05-25--张伯羽 1.面向对象是一种编写代码的思维方式2.类就是一种抽象,3.U...
    卖核弹的小男孩阅读 184评论 0 1
  • 一、杂项 1、random.shuffle(list)是一个原地函数 2、字典的items()、values()、...
    zplus_阅读 445评论 0 0
  • 一.函数定义(function): 在程序中一组代码用特定的格式包装起来,定义一个名称,然后可以在程序的任何地方通...
    宇晨棒棒的阅读 133评论 1 0