python 2-3(2019-10-30 )(练习3:爬取豆瓣电影TOP250信息及图片)

# 豆瓣TOP250
# 0. 封面
# 1.序号
# 2.电影名
# 3.详细链接
# 4.电影信息
# 5.评级 9.7
# 6.多少人评价
# 7.引述
# https://movie.douban.com/top250
from xpinyin import Pinyin
import requests
from lxml import html
import pandas as pd

def spider():
  movie_info_list_TOP250 = []

  for i in range(0,250,25):

    url = 'https://movie.douban.com/top250?start={}&filter='.format(i)
    print(url)
    print('您要查询的目标站点是', url)
    print('爬虫进行中,请稍后......')
    # 请求头信息,目的是伪装浏览器进行爬虫
    headers = {
        "User-Agent": 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.131 Safari/537.36'
        }  # 伪装成浏览器
    # 提取网页源代码
    response = requests.get(url, headers=headers)
    html_data = response.text
    # print(html_data)
    # 提取我们想要的内容
    selector = html.fromstring(html_data)
    ol_list = selector.xpath('//ol[@class="grid_view"]/li')
    # print('ol',len(ol_list))

    movie_info_list = []
    for li in ol_list:
        # 获取电影海报
        movie_img = li.xpath('div[1]/div[1]/a/img/@src')[0]
        movie_img = '没查到数据' if len(movie_img) == 0 else movie_img
        # print(movie_img)

        # 获取排名序号
        movie_number = li.xpath('div[1]/div[1]/em[1]/text()')[0]
        movie_number = '没查到数据' if len(movie_number) == 0 else movie_number
        # print(movie_number)

        # 获取电影名字
        movie_name = li.xpath('div[1]/div[2]/div[1]/a/span[1]/text()')[0]
        movie_name = '没查到数据' if len(movie_name) == 0 else movie_name
        # print(movie_name)

        # 获取电影详细链接
        movie_link = li.xpath('div[1]/div[2]/div[1]/a/@href')[0]
        movie_link = '没查到数据' if len(movie_link) == 0 else movie_link
        # print(movie_link)

        # 获取电影信息
        movie_info = li.xpath('div[1]/div[2]/div[2]/p[1]/text()')[0]+li.xpath('div[1]/div[2]/div[2]/p[1]/text()')[1]
        movie_info = '没查到数据' if len(movie_info) == 0 else movie_info
        movie_info =str(movie_info.replace('\n',''))
        movie_info =str(movie_info.replace('\xa0',''))
        movie_info = str(movie_info.replace(' ', ''))
        # print(movie_info)

        # 获取电影评级
        movie_rating_number = li.xpath('div[1]/div[2]/div[2]/div[1]/span[2]/text()')[0]
        movie_rating_number = '没查到数据' if len(movie_rating_number) == 0 else movie_rating_number
        # print(movie_rating_number)

        # 获取评价人数
        movie_voting_number = li.xpath('div[1]/div[2]/div[2]/div[1]/span[4]/text()')[0]
        movie_voting_number = '没查到数据' if len(movie_voting_number) == 0 else movie_voting_number
        movie_voting_number =int(movie_voting_number.replace('人评价',''))
        # print(movie_voting_number)

        # 获取电影引述
        movie_quote = li.xpath('div[1]/div[2]/div[2]/p[2]/span[1]/text()')
        movie_quote = '没查到数据' if len(movie_quote) == 0 else movie_quote
        # print(movie_quote)

        movie_info_list.append({
            "movie_img":movie_img,
            "movie_number":movie_number,
            "movie_name":movie_name,
            "movie_link":movie_link,
            "movie_info":movie_info,
            "movie_rating_number":movie_rating_number,
            "movie_voting_number":movie_voting_number,
            "movie_quote":movie_quote
        })


    # 遍历
    for movie in movie_info_list:
        # print(movie)
        movie_info_list_TOP250.append(movie)

        with open('./douban_img/{}.jpg'.format(movie['movie_name']), 'wb') as f:
            f.write(requests.get(movie['movie_img']).content)

  print(movie_info_list_TOP250)

  pd.DataFrame(movie_info_list_TOP250).to_csv('movie_info_list_TOP250.csv')

spider()
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 215,245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 91,749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 160,960评论 0 350
  • 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 57,575评论 1 288
  • 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 66,668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 50,670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 39,664评论 3 415
  • 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 38,422评论 0 270
  • 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 44,864评论 1 307
  • 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 37,178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 39,340评论 1 344
  • 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 35,015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 40,646评论 3 323
  • 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 31,265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 32,494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 47,261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 44,206评论 2 352

推荐阅读更多精彩内容