python爬取豆瓣top250的电影数

2023-01-31 00:01:37 python 电影 豆瓣

爬取网址: https://movie.douban.com/top250


一:爬取思路(新手可以看一下) :
      1:定义两个函数,一个get_page函数爬取数据,一个save函数保存数据,mian中向get_page函数传递url和运save函数接受get_page函数传递过来的值
      2:准备动手
二:爬取前的准备
  我是pyhton3 PyCharm
  需要准备的库 requests,lxml,xlwt
  requests解析url
  lxml解析网页,获取数据
  xlwt 向excle写入数据
三:代码实现(这里只是为了保存数据做演示,没有对数据做处理)
  
import  requests
from  lxml  import etree
import xlwt

all_list=[]#传入save函数的结果集
def get_page(url): res=requests.get(url) if res.status_code==200: html=etree.HTML(res.content) all=html.xpath('//div[@class="article"]/ol/li')#所有的数据都在li标签下,我们一这个为总节点 for detail in all: title=detail.xpath('.//div[@class="hd"]/a/span[1]/text()')[0]#电影名字 score=detail.xpath('.//span[@class="rating_num"]/text()')[0]#评分 comment_sum=detail.xpath('.//div[@class="star"]/span[4]/text()')[0]#评论人数 quote=detail.xpath('.//p[@class="quote"]/span/text()')#引言 由于有的电影没有引言,不判断会报错 if len(quote)==0: quote='暂无引言' else: quote=quote[0] list=[] list.append(title) list.append(score) list.append(comment_sum) list.append(quote)
        print(list) #输出结果在下面 all_list.append(list)#将所有的list都添加进一个list else: print(res.status_code1) def save(lists): book=xlwt.Workbook() sheet=book.add_sheet('douban') head = ['名字', '评分', '评价人数', '引言'] for h in range(len(head)): sheet.write(0, h, head[h])#写一个表头 row=1#控制行 for list in lists: print(list) col=0#控制列 for s in list:#循环我们的list的值 sheet.write(row,col,s) col+=1 row+=1 book.save("doubantop250.xls") if __name__ == '__main__': #0 25 50 75 for x in range(0,11): if x==0: url='Https://movie.douban.com/top250?start=0' get_page(url) else: x=x*25 url='https://movie.douban.com/top250?start='+str(x) get_page(url) save(all_list)#讲结果集传入save函数

输出的list截图:


 

如果有小伙伴不知道为什么要这样存放数据的话可以看下这个网址:https://www.cnblogs.com/nancyzhu/p/8401552.html,我存入excle的思路就是来源于这个网址,写的真的很容易理解 我喜欢.所以本文就不在做过多赘述,有问题的或者觉得有更好的方法的可以一起交流一下 欢迎加入我的群一起交流: 644080474  嘿嘿

 

  

相关文章