前言

在使用 Python 开发爬虫的过程中，requests 和 BeautifulSoup4(别名bs4) 应用的比较广泛，requests主要用于模拟浏览器的客户端请求，以获取服务器端响应，接收到的响应结果，如：网页HTML源码则交由 bs4 封装后再解析提取目标内容数据。

今天的案例中，我们将使用一个新库 MechanicalSoup 该库事实上是对 requests 和 bs4 的进一步封装，让请求和解析的工作进一步简化，如果你已经熟悉 requests 和 bs4 的基本操作，下面的代码理解起来应该不会很困难。

Python爬虫、数据分析、网站开发等案例教程视频免费在线观看

https://space.bilibili.com/523606542

Python学习交流群：1039649593

准备工作

mechanicalsoup 安装

终端下使用 pip 安装即可，也会自动安装相关依赖组件库

pip install mechanicalsoup

网页分析

今天我们要请求的是全球是最大的电影数据库网站 IMDb，其官网地址是 http://www.imdb.com 首页显示效果如图所示：

我们要爬取数据的页面，可以通过“Menu“ 导航的子菜单项 "Top Rated Movies" 进入，或直接访问 https://www.imdb.com/chart/top/

我们要采集的目标数据为左侧页面的列表，经过浏览器右键“检查”分析，得知第一条数据项均包含在一个表格行内，此时我们进一步明确要采集的数据为排名、电影标题、发行年份三列，分析得到以下HTML元素：

目标数据均包含在一个td class="titleColumn" 单元格内，此时只需要批量获取有该特征的批量单元格，再取出目标数据并清理即可。

编码实现

采集并打印

初步代码结构：

imdb.py

import mechanical# 数据容器
data = []def fetch_data():# 此处爬取页面目标数据def main():fetch_data()if __name__ == "__main__":main()

重点的代码逻辑是包含在 fetch_data() 函数内，具体代码如下(含注释)：

def fetch_data():url = "https://www.imdb.com/chart/top/"# 构造浏览器对象b = mechanicalsoup.StatefulBrowser()# 请求目标网址b.open(url)# b.page 即为当前响应页面源码，且已封装为 BeautifulSoup 对象# 页面中找出所有具有 class="titleColumn" 属性的 td 单元格集合items = b.page.find_all("td", class_="titleColumn")# 遍历所有项for item in items:# 取出当前单元格中所所有文本，以"\n"分隔为三个元素row = item.text.strip().split("\n")# 进一步清理元素值的空格# 此时列表中三个元素对应为排名、标题、年份row = [x.strip() for x in row]# 将数据添加至data列表容器，便于进一步处理data.append(row)# 打印显示print(row)

此时代码如下：

import mechanicalsoupdata = []def fetch_data():url = "https://www.imdb.com/chart/top/?ref_=nv_mv_250"b = mechanicalsoup.StatefulBrowser()b.open(url)items = b.page.find_all("td", class_="titleColumn")for item in items:row = item.text.strip().split("\n")row = [x.strip() for x in row]data.append(row)print(row)def main():fetch_data()if __name__ == "__main__":main()

此时运行代码 python imdb.py 结果如下：

可以看到在逐行提取时打印的效果，此时数据窗口 data 中也包括了所有行250行的电影信息。

将批量数据写入Excel文件

如果将采集的批量电影数据（250条）一次性写入Excel 表格文件，可以安装使用 Excel 操作库，比如：openpyxl 等，在执行完前述步骤 fetch_data() 执行新建、并写入Excel 操作即可。

Python爬取全球是最大的电影数据库网站IMDb数据相关推荐

python实战（一）Python爬取猫眼评分排行前100电影及简单数据分析可视化python实战（一）Python爬取猫眼排行前一百电影及简单数据分析可视化
python实战(一)Python爬取猫眼排行前一百电影及简单数据分析可视化一.抓取数据需要的库 request库响应http请求 json库将文本保存成json形式 pyquery 类似JQ ...
Python爬取豆瓣正在上映的电影
Python爬取豆瓣正在上映的电影 #爬取豆瓣正在上映的电影 import requests from lxml import etree #1.将目标从网站上的页面抓取下来 headers = {' ...
使用Python爬取不同类别的豆瓣电影简介
使用Python爬取不同类别的豆瓣电影简介之前做过一点文本分类的工作,从豆瓣上爬取了不同类别的数千条电影的简介. 爬取目标我们爬取的目标是豆瓣影视,打开豆瓣网,随便点击一部电影,即可看到电影的介 ...
Python 爬取 201865 条《隐秘的角落》弹幕数据，发现看剧不如爬山？
Python 爬取 201865 条<隐秘的角落>弹幕数据,发现看剧不如爬山? 本文不涉及剧透!请放心食用最近又火了一步国产剧:<隐秘的角落> 如果你没看过,那可能会对朋友圈 ...
python爬取某城市各监测站点历史空气质量数据
python爬取某城市各监测站点历史空气质量数据引言正文一.安装Web driver 二.安装selenium 三.数据爬取引言由于要使用某地各监测站点的空气质量数据做数据预测,因此需要去网 ...
Python爬取了《雪中悍刀行》数据，数据可视化分析
Python爬取了<雪中悍刀行>数据,数据可视化分析如何查找视频id 项目结构制作词云图制作最近评论数条形图与折线图制作每小时评论条形图与折线图制作最近评论数饼图制作每小时评论 ...
python爬取猫眼正在热映电影
用python写爬虫爬取需要的数据比较容易,以Python简洁的语法和一大波成熟的库,写起来相当的快 python的版本以及使用的库 Python 3.6.4 requests lxml 这次主要是爬 ...
python 爬取当当网商品价格并写入数据库
python 爬取数据并写入数据库案例: import requests import pymysql import re from fake_useragent import UserAgent f ...
Python爬取「英语流利说」的配音视频数据(第一次粉一个人)
一.故事开端程序猿有时候很痛苦,遇到问题解决不了就睡不着,也找不到人倾诉,只能通过失眠来解脱,那天长夜漫漫,我却无心睡眠,就拿起手机继续刷朋友圈,发现了睡前故事这个信息: 就手贱点进去一看,妈呀顿时 ...

Python爬取全球是最大的电影数据库网站IMDb数据

前言