豆瓣电影排行榜下载,main主文件代码(未完善版)
豆瓣电影排行榜下载,main主文件代码,(多敲几遍,熟悉熟悉)
from bs4 import BeautifulSoup # 网页解析,获取数据
import re # 正则表达式,进行文字匹配
import xlwt # 进行excel 操作
import urllib.request, urllib.error # 指定URL,获取网页数据
import sqlite3 # 进行SQLie数据库操作
import sysdef main():baseurl = "https://movie.douban.com/top250?start="# 1.爬取网页datelist = getData(baseurl)savepath = ".\\豆瓣电影Top250.xls"# 3.保存数据#saveData(savepath)
# askURL("https://movie.douban.com/top250?start=")# 定义需要查找内容的规则
findLink = re.compile(r'<a href="(.*?)">') # 创建正则表达式对象,表示规则(字符串的模式)
findImgSrc = re.compile(r'<img.*src="(.*?)"', re.S) # re.s 忽略可能出现的换行符
findTitle = re.compile(r'<span class="title">(.*)</span>', re.S)
finRating = re.compile(r'<span class="rating_num" property="v:average">(.*)</span>')
findJudge = re.compile(r'<span>(\d*)人评价</span>')
findInq = re.compile(r'<span class="inq">(.*)</span>')
findBd = re.compile(r'<p class="">(.*?)</p>', re.S)# 爬取网页
def getData(baseurl):datalist = []for i in range(0, 10): # 调用获取页面信息的函数10次, 一页25条url = baseurl + str(i*25) #基础路径的变化html = askURL(url) # 保存获取到的网页源码:返回值# 得到一个网页就应该解析一次# 2.逐一解析数据soup = BeautifulSoup(html, "html.parser") # 用解析器放在内存中,形成树形结构的对象for item in soup.find_all("div", class_="item"): # 查找符合要求的字符串,形成列表# print(item)data = [] # 保存一部电影的所有信息item = str(item)# 影片详情链接 # re库用通过正则表达式查找指定的字符串,因为是列表,用0拿到超链接link = re.findall(findLink, item)[0]data.append(link)imgSrc = re.findall(findImgSrc, item)[0]data.append(imgSrc)titles = re.findall(findTitle, item) # 片名可能只有一个中文名,没有外文名if(len(titles) == 2):ctitle = titles[0] # 添加中文名data.append(ctitle)otitle = titles[1].replace("/", "") # 去掉无关符号,添加外文名data.append(otitle)else:data.append(titles[0])data.append(' ') # 外国名字,留空rating = re.findall(finRating, item)[0]data.append(rating)judgeNum = re.findall(findJudge, item)[0]data.append(judgeNum)inq = re.findall(findInq, item)data.append(inq)if len(inq) != 0:inq = inq[0].replace("。", "") # 去掉句号data.append(inq)else:data.append(" ")Bd = re.findall(findBd, item)[0]Bd = re.sub('<br(\s+)?>(\s+)?', " ", Bd) # 去掉br。。。 ,去掉换行符\s。。。 ,替换为“ ”Bd = re.sub('/', " ", Bd)data.append(Bd.strip()) # strip() 去掉前后的空格datalist.append(data) # 将数据放入datalist中return datalist# 得到指定一个URL的网页内容
def askURL(url):# 用户代理,伪装机器类型,浏览器类型,(本质上是告诉浏览器,我们可以接受什么水平的文件内容),模拟浏览器头部信息,向服务器发送消息head = {"User-Agent": "Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.105 Mobile Safari/537.36"} # 字典,键值对
# head[""] # 列表request = urllib.request.Request(url, headers= head)html = ""try:response = urllib.request.urlopen(request)html = response.read().decode("utf-8")print(html)except Exception as e:if hasattr(e, "code"): # hasattr 指标签print(e.code)if hasattr(e, "reason"):print(e.reason)return html# 保存数据
def saveData(savepath):print("save....")if __name__ == "__main__": # 当程序执行到哪个名字(主函数),******优先级最高main() # 调用函数,控制流程,更清楚管理什么时候程序开始---整个程序的入口
豆瓣电影排行榜下载,main主文件代码(未完善版)相关推荐
- python用bs4爬取豆瓣电影排行榜 Top 250的电影信息和电影图片,分别保存到csv文件和文件夹中
python用bs4爬取豆瓣电影排行榜 Top 250的电影信息和图片,分别保存到csv文件和文件夹中. 爬取的数据包括每个电影的电影名 , 导演 ,演员 ,评分,推荐语,年份,国家,类型. py如果 ...
- python大规模获取豆瓣影评_python爬取豆瓣电影排行榜(requests)
''' 爬取豆瓣电影排行榜 设计思路: 1.先获取电影类型的名字以及特有的编号 2.将编号向ajax发送get请求获取想要的数据 3.将数据存放进excel表格中 ''' 环境部署: 软件安装: 模块 ...
- python3豆瓣电影排行榜爬取
项目目标: 爬取豆瓣电影排行榜top250 项目分析: 打开豆瓣电影排行榜网址(以下分别是前三页的网址),由此我们判断只需更改"start=**"的数值既可遍历整个排行榜. htt ...
- JAVA爬虫(一):豆瓣电影排行榜爬取
JAVA爬虫(一):豆瓣电影排行榜爬取 前言 流程图 步骤 一.爬取豆瓣电影榜单网页源代码 二.网页源码解析 三.爬取单个电影网页源码 四.源代码解析及关键信息获取 前言 最近和大创队友一起给大创做的 ...
- [爬虫] 爬取豆瓣电影排行榜
申明:本文对爬取的数据仅做学习使用,不涉及任何商业活动,侵删 爬取豆瓣电影排行榜 这是一个Scrapy框架入门级的项目, 它可以帮助我们基本了解Scrapy的操作流程和运行原理 这次我们要做例子的网站 ...
- 爬取豆瓣电影排行榜,并制作柱状图与3d柱状图
**爬取豆瓣电影排行榜,并简单制作柱状图 一.首先,我们需要获取页面的信息,下图是从排行第25到50的电影,由此可见start可以想象为偏移量,我们把start的值换为0,得到了第一到25排名的电影, ...
- python爬取豆瓣电影top250并保存为xlsx_python 爬虫获取豆瓣电影排行榜前250并写入excel...
豆瓣电影排行榜前250 分为10页,第一页的url为https://movie.douban.com/top250,但实际上应该是https://movie.douban.com/top250?sta ...
- python爬虫爬取豆瓣电影排行榜并通过pandas保存到Excel文件当中
我们的需求是利用python爬虫爬取豆瓣电影排行榜数据,并将数据通过pandas保存到Excel文件当中(步骤详细) 我们用到的第三方库如下所示: import requests import pan ...
- python爬虫实例教程之豆瓣电影排行榜--python爬虫requests库
我们通过requests库进行了简单的网页采集和百度翻译的操作,这一节课我们继续进行案例的讲解–python爬虫实例教程之豆瓣电影排行榜,这次的案例与上节课案例相似,同样会涉及到JSON模块,异步加载 ...
最新文章
- Java编程基础-运算符
- 用HttpReports快速搭建API分析平台
- C# winform post请求数据
- 深度为你解答怎么避免域名被微信拦截,微信域名防封需要注意哪些问题?
- 美国智能机市场Android份额逼近苹果iOS
- 2.SDK目录结构和adb工具及命令介绍
- linux常用命令-第一篇
- Sublime Text 3中配置Python3的开发环境
- 蒸汽管道图纸符号_供热循环系统“30问”(附管网图常见符号图例)
- 非正态独立小样本统计检验方法的选择
- dlna投屏html源码,DLNA(一)
- GIF录制编辑工具(GifCam)
- 孩子为什么不愿意再跟家长沟通?家长该怎么办
- unity产生阴影的几种方式
- 进程创建-终止-等待-替换
- 让我摘下星星送给你_抖音摘下星星给你什么歌 抖音想摘下星星给你背景音乐歌曲名...
- office 2016 安装
- mysql的七种查询命令_mysql查询命令详细
- 华氏摄氏温度转换问题(C语言程序设计)
- linux脚本查看系统内存,二个linux下查看内存使用情况的shell脚本()