python爬取豆瓣电影评论_使用Python抓取豆瓣影评数据的方法

抓取豆瓣影评评分

正常的抓取

分析请求的url

里面有用的也就是start和limit参数，我尝试过修改limit参数，但是没有效果，可以认为是默认的

start参数是用来设置从第几条数据开始查询的

设计查询列表，发现页面中有url中的查询部分，且指向下一个页面

于是采用下面的代码进行判断是否还有下一个页面

if next_url:

visit_URL('https://movie.douban.com/subject/24753477/comments'+next_url)

用requests发送请求，beautifulsoup进行网页解析

把数据写入txt

import requests

from bs4 import BeautifulSoup

first_url = 'https://movie.douban.com/subject/26322642/comments?status=P'

# 请求头部

headers = {

'Host':'movie.douban.com',

'Referer':'https://movie.douban.com/subject/24753477/?tag=%E7%83%AD%E9%97%A8&from=gaia_video',

'Upgrade-Insecure-Requests':'1',

'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36',

}

def visit_URL(url):

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

soup = BeautifulSoup(res.content,'html5lib')

div_comment = soup.find_all('div',class_='comment-item') # 找到所有的评论模块

for com in div_comment:

username = com.find('div',class_='avatar').a['title']

comment_time = com.find('span',class_='comment-time')['title']

votes = com.find('span',class_='votes').get_text()

comment = com.p.get_text()

with open('1.txt','a',encoding='utf8') as file:

file.write('评论人：'+username+'\n')

file.write('评论时间：'+comment_time+'\n')

file.write('支持人数：'+votes+'\n')

file.write('评论内容：'+comment+'\n')

# 检查是否有下一页

next_url = soup.find('a',class_='next')

if next_url:

temp = next_url['href'].strip().split('&') # 获取下一个url

next_url = ''.join(temp)

print(next_url)

# print(next_url)

if next_url:

visit_URL('https://movie.douban.com/subject/24753477/comments'+next_url)

if __name__ == '__main__':

visit_URL(first_url)

模仿移动端

很多时候模仿移动端获得的页面会比PC端的简单，更加容易解析，这次模拟移动端，发现可以直接访问api获取json格式的数据，nice!

至于怎么模拟移动端只需要将user-agent修改为移动端的头

useragents = [

"Mozilla/5.0 (iPhone; CPU iPhone OS 9_2 like Mac OS X) AppleWebKit/601.1 (KHTML, like Gecko) CriOS/47.0.2526.70 Mobile/13C71 Safari/601.1.46",

"Mozilla/5.0 (Linux; U; Android 4.4.4; Nexus 5 Build/KTU84P) AppleWebkit/534.30 (KHTML, like Gecko) Version/4.0 Mobile Safari/534.30",

"Mozilla/5.0 (compatible; MSIE 9.0; Windows Phone OS 7.5; Trident/5.0; IEMobile/9.0)"

怎么获取这些头部？用火狐的插件user-agent switcher

之后的操作就是解析json

import random

import requests

import json

import time

first_url = 'https://m.douban.com/rexxar/api/v2/tv/26322642/interests?count=20&order_by=hot&start=0&ck=dNhr&for_mobile=1'

url = 'https://m.douban.com/rexxar/api/v2/tv/26322642/interests'

# 移动端头部信息

useragents = [

"Mozilla/5.0 (iPhone; CPU iPhone OS 9_2 like Mac OS X) AppleWebKit/601.1 (KHTML, like Gecko) CriOS/47.0.2526.70 Mobile/13C71 Safari/601.1.46",

"Mozilla/5.0 (Linux; U; Android 4.4.4; Nexus 5 Build/KTU84P) AppleWebkit/534.30 (KHTML, like Gecko) Version/4.0 Mobile Safari/534.30",

"Mozilla/5.0 (compatible; MSIE 9.0; Windows Phone OS 7.5; Trident/5.0; IEMobile/9.0)"

]

def visit_URL(i):

print(">>>>>",i)

# 请求头部

headers = {

'Host':'m.douban.com',

'Upgrade-Insecure-Requests':'1',

'User-Agent':random.choice(useragents)

}

params = {

'count':'50',

'order_by':'hot',

'start':str(i),

'for_mobile':'1',

'ck':'dNhr'

}

res = requests.get(url=url,headers=headers,params=params)

res_json = res.json()

interests = res_json['interests']

print(len(interests))

for item in interests:

with open('huge.txt','a',encoding='utf-8') as file:

if item['user']:

if item['user']['name']:

file.write('评论用户:'+item['user']['name']+'\n')

else:

file.write('评论用户:none\n')

if item['create_time']:

file.write('评论时间:'+item['create_time']+'\n')

else:

file.write('评论时间:none\n')

if item['comment']:

file.write('评论内容:'+item['comment']+'\n')

else:

file.write('评论内容:none\n')

if item['rating']:

if item['rating']['value']:

file.write('对电影的评分:'+str(item['rating']['value'])+'\n\n')

else:

file.write('对电影的评分:none\n')

if __name__ == '__main__':

for i in range(0,66891,20):

# time.sleep(2)

visit_URL(i)

总结

以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对脚本之家的支持。如果你想了解更多相关内容请查看下面相关链接

python爬取豆瓣电影评论_使用Python抓取豆瓣影评数据的方法相关推荐

python获取app信息的库_基于python3抓取pinpoint应用信息入库
这篇文章主要介绍了基于python3抓取pinpoint应用信息入库,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 Pinpoint是用Java编写 ...
python爬取图片失败显示404_python3.7中Web抓取时出现http404错误
我收到404错误代码(如下所示)当尝试对某个网站进行网页抓取时.在我试着在不同的论坛上寻找答案,但找不到解决办法有人有解决方案来修复这个404错误吗?>>> from urlli ...
python获取渲染之后的网页_使用Pyppeteer抓取渲染网页
Pyppeteer是Puppeteer的非官方Python支持,Puppeteer是一个无头JavaScript的基于Chrome/Chromium浏览器自动化库,可以用于对渲染网页的抓取. 比较了P ...
python爬虫豆瓣电影短评_【Python爬虫】BeautifulSoup爬取豆瓣电影短评
目的:爬取豆瓣[红海行动]电影的首页短评步骤: 1.使用BeautifulSoup解析网页 soup = BeautifulSoup(r, 'lxml') // lxml 库解析速度快,也能解析复杂 ...
python爬取b站评论_用python 抓取B站视频评论，制作词云
python 作为爬虫利器,与其有很多强大的第三方库是分不开的,今天说的爬取B站的视频评论,其实重点在分析得到的评论化作嵌套的字典,在其中取出想要的内容.层层嵌套,眼花缭乱,分析时应细致!步骤分为以下 ...
python爬取抖音评论_使用python爬虫,批量爬取抖音app视频（requests+Fiddler+appium）
# _*_ coding: utf-8 _*_ import requests import sys headers = {"User-Agent":"Mozilla ...
python爬今日头条组图_（python爬虫之）ajax解析爬取今日头条组图并下载
首先吐槽一波csdn配色真直男,囧此次任务需要注意的是: 用request.get方法的时候要加cookie, 网页源代码也改动了,详情页进入后不是一个json数据包,是一个html文档. 以及其它 ...
Python爬取豆瓣电影评论数据(通用模板代码)----以《中国医生》为例
中国医生豆瓣电影评论获取 1 前言 2 数据源分析 3数据爬取(代码实现) 4 结果展示 1 前言豆瓣是影迷评分.非视频网站,也非购票平台,能长期专门使用豆瓣标记.评价电影的,相对来说是属于影迷 ...
python爬取豆瓣电影评论_python 爬取豆瓣电影评论，并进行词云展示及出现的问题解决办法...
def getHtml(url): """获取url页面""" headers = {'User-Agent':'Mozilla/5.0 ( ...

python爬取豆瓣电影评论_使用Python抓取豆瓣影评数据的方法

python爬取豆瓣电影评论_使用Python抓取豆瓣影评数据的方法相关推荐

最新文章

热门文章