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 ...

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（未完善版）相关推荐

最新文章

热门文章