python2.7抓取豆瓣电影top250
利用python2.7抓取豆瓣电影top250
1.任务说明
- 抓取top100电影名称
- 依次打印输出
2.网页解析
- 要进行网络爬虫,利用工具(如浏览器)查看网页HTML文件的相关内容是很有必要,我使用的是Firefox浏览器,并安装了Firebug插件,
这个插件可以方便查看包括HTML在内许多内容
打开豆瓣电影排行榜top250网页,发现每页有25部电影,一共10页,其每一页url具有如下特征:
http://movie.douban.com/top250?start=0
http://movie.douban.com/top250?start=25
http://movie.douban.com/top250?start=50
http://movie.douban.com/top250?start=75
- 网页点击任何一个电影中文名,右击鼠标“查看元素”查看HTML源代码:
3.代码实现
这里代码比较简单,因此就不用定义函数了。
1 #!/usr/bin/python 2 # -*- coding: utf-8 -*- # 3 import requests,sys,re 4 from bs4 import BeautifulSoup 5 6 reload(sys) 7 sys.setdefaultencoding('utf-8') 8 print '正在从豆瓣电影Top250抓取数据......' 9 10 for page in range(10): 11 url='https://movie.douban.com/top250?start='+str((page-1)*25) 12 print '---------------------------正在爬取第'+str(page+1)+'页......--------------------------------' 13 html=requests.get(url) 14 html.raise_for_status() 15 try: 16 soup=BeautifulSoup(html.text,'html.parser') 17 soup=str(soup) # 利用正则表达式需要将网页文本转换成字符串 18 title=re.compile(r'<span class="title">(.*)</span>') 19 names=re.findall(title,soup) 20 for name in names: 21 if name.find('/')==-1: # 剔除英文名(英文名特征是含有'/') 22 print name 23 except Exception as e: 24 print e 25 print '爬取完毕!'
由于水平有限,难免存在不足,欢迎大家斧正!
转载于:https://www.cnblogs.com/carpenterworm/p/6026274.html
python2.7抓取豆瓣电影top250相关推荐
- python爬取豆瓣电影top250并保存为xlsx_python抓取豆瓣电影Top250数据并写入Excel
douban python抓取豆瓣电影Top250数据并写入Excel 1.将目标网站上的页面抓取下来 2.将抓取下来的数据根据一定的规则进行提取 create table `tb_movie`( i ...
- Python3 抓取豆瓣电影Top250
利用 requests 抓取豆瓣电影 Top 250: import re import requestsdef main(url):global numheaders = {"User-A ...
- 爬虫脚本(抓取豆瓣电影Top250)
运行环境:Windows7,python2.7.13 需求分析:爬取豆瓣电影网排行的Top250片名. 步骤: 1. 抓取网站源码. 2. 利用正则表达式提取片名. 3. 把电影片名保存到文本中. 4 ...
- python爬虫实例-运用requests抓取豆瓣电影TOP250(详解)
目录 开发工具 目标 网页分析 正则匹配分析 代码实例 总结 开发工具 python版本: python-3.8.1-amd64 python开发工具: JetBrains PyCharm 2018. ...
- php采集豆瓣评分,抓取豆瓣电影TOP250的PHP代码
搜索热词 下面是编程之家 jb51.cc 通过网络收集整理的代码片段. 编程之家小编现在分享给大家,也给大家做个参考. for ($start = 0; $start < 250; $start ...
- 不会写Python代码如何抓取豆瓣电影 Top 250
说到爬虫,大多数人会想到用Python来做,毕竟简单好用,比如想抓取豆瓣电影top250 的所有电影数据. 简单的代码如下: import requests from bs4 import Beaut ...
- 【go语言爬虫】go语言爬取豆瓣电影top250
一.需求分析 用go语言抓取 豆瓣电影top250 抓取url: https://movie.douban.com/top250 抓取字段:电影名称.评分.评价人数 二.运行: 正在抓取第0页-- 肖 ...
- 一起学爬虫——通过爬取豆瓣电影top250学习requests库的使用
一起学爬虫--通过爬取豆瓣电影top250学习requests库的使用 学习一门技术最快的方式是做项目,在做项目的过程中对相关的技术查漏补缺. 本文通过爬取豆瓣top250电影学习python req ...
- python爬取豆瓣电影top250_用Python爬虫实现爬取豆瓣电影Top250
用Python爬虫实现爬取豆瓣电影Top250 #爬取 豆瓣电影Top250 #250个电影 ,分为10个页显示,1页有25个电影 import urllib.request from bs4 imp ...
最新文章
- css position属性
- NS4146 D类音频放大电路
- 无主键的Hibernate配置
- mysql有那么多存储引擎_MySQL的多存储引擎架构
- Android 调试工具集合
- PHP经验总结 - 开发技巧分享
- 2019计算机B级考试题,【资格考试】2019最新整理-计算机等级考试一级B考试题分析.pdf...
- 10个用来处理键盘事件的JQuery插件和JS类库
- 唏嘘!又一家手机工厂关闭,一代机皇彻底退出中国制造
- h5难做吗_还在担心H5太难做?介绍一个H5制作工具给你!
- sql请求失败或服务器无即使响应,SQL2005无法启动SQL Server 请求失败或服务未及时响应等问题的解决方案...
- 常用的几个框架官网【前端 / 自用】
- 两个字节合并成一个16位short类型
- Ubuntu Desktop LTS - 开机数字小键盘
- 我在Python的艳阳里,大雪纷飞
- 机械之美——机械时期的计算设备
- 【学习OpenCV4】案例1:Windows OpenCV C++语言开发环境搭建
- Linux ARM平台开发系列讲解(网络篇) 2.3 Marvell 88EA6321/88EA6320 Switch 设备树的配置分析
- 小桥流水秒赞kyuan版 无后门
- 程序是如何运行的呢?