Forward团队-爬虫豆瓣top250项目-模块开发过程

项目托管平台地址:https://github.com/xyhcq/top250

开发模块功能: 写入文件功能

开发时间:3小时

实现将爬取到的信息写入到文件中的功能

实现过程：

# 打开文件
f=open("top250.txt","w")

在别的队员写的代码基础上，加入功能代码

def getData(html):# 分析代码信息，提取数据soup = BeautifulSoup(html, "html.parser")# 找到第一个class属性值为grid_view的ol标签movieList=soup.find('ol',attrs={'class':'grid_view'})# 找到所有的li标签for movieLi in movieList.find_all('li'):    # 找到第一个class属性值为hd的div标签movieHd=movieLi.find('div',attrs={'class':'hd'})# 找到第一个class属性值为title的span标签 #也可使用.string方法# 获取电影名字movieName=movieHd.find('span',attrs={'class':'title'}).getText()print movieNamef.write('电影名:'+movieName.encode('utf-8')+'    ')# 获取电影链接movieUrl=movieHd.find('a class="" href="')print movieUrl# 写入文件f.write('链接:'+str(movieUrl)+'    ')# 获取电影导演/演员movieBd = movieLi.find('div', attrs={'class': 'bd'})movieSF=movieBd.find('p',attrs={'class':''}).getText()print movieSF# 写入文件f.write('Staff:'+movieSF.encode('utf-8')+'    ')# 获取电影的评分movieScore=movieLi.find('span',attrs={'class':'rating_num'}).getText()print movieScore# 写入文件f.write('评分:'+movieScore.encode('utf-8')+'    ')#获取电影的评论数movieEval=movieLi.find('div',attrs={'class':'star'})movieEvalNum=re.findall(r'\d+',str(movieEval))[-1]print movieEvalNumf.write('评论数:'+movieEvalNum.encode('utf-8')+'    ')# 获取电影短评movieQuote = movieLi.find('span', attrs={'class': 'inq'})# 有的电影没有短评，为防止报错，加次if(movieQuote):print movieQuote.getText()# 写入文件f.write('短评:'+movieQuote.getText().encode('utf-8')+'\n')else:# 写入文件f.write('短评:'+"这个电影没有短评"+'\n')

最后

# 关闭文件，否则容易写入不全
f.close()

遇到的问题：

刚开始写入文件时会报错，错误提示是不能写入，后来发现文件编码不支持ascii，转换了一下编码 .encode('utf-8') 就正常了

转载于:https://www.cnblogs.com/kasumis/p/7739478.html

Forward团队-爬虫豆瓣top250项目-模块开发过程相关推荐

团队-爬虫豆瓣top250项目-模块开发过程
项目托管平台地址:https://gitee.com/ningshuyoumeng/TuanDui-PaChongDouBantop250XiangMu-MoKuaiKaiFa 开发模块功能: 功获取 ...
《Forward团队-爬虫豆瓣top250项目-设计文档》
队长博客:http://www.cnblogs.com/mazhuangmz/ 成员:马壮,李志宇,刘子轩,年光宇,邢云淇,张良设计方案: 1.能分析HTML语言: 2.提取重要数据,并保存为文本文 ...
Forward团队-爬虫豆瓣top250项目-设计文档
组长地址:http://www.cnblogs.com/mazhuangmz/p/7603594.html 成员:马壮,李志宇,刘子轩,年光宇,邢云淇,张良设计方案: 1.能分析HTML语言: 2. ...
团队-爬虫豆瓣top250项目-项目进度
注: 正则表达式在线检测工具:http://tool.oschina.net/regex/ 进程: 1.源代码HTML #将url转换为HTML源码 def getHtml(url): try ...
爬虫豆瓣top250项目-开发文档
项目托管平台地址:https://github.com/gengwenhao/GetTop250.git 负责内容:1.使用python的request库先获取网页内容下来 2.再使用一个好用的lxm ...
爬虫豆瓣TOP250电影数据
今天是开通博客的第一天目的记录爬取豆瓣TOP250电影数据目的我写博客的目的很简单,主要是想记录一些自己学习python的历程,后期包括一些其他方面的学习,目前在看唐松老师写的<Pyt ...
爬虫-豆瓣top250，东方财富网动态数据
~满满干货分享一.豆瓣top250爬取过程 (学习视频:Python爬虫编程基础5天速成(2021全新合集)Python入门+数据分析_哔哩哔哩_bilibili) 1.爬取网页 def askUR ...
爬虫——豆瓣top250电影爬取实验
1.获取头部我们首先需要去到目标网址豆瓣top250上,点开'检查'选项,获取头部信息,具体见下图: 我们赋值user-agent和host的信息,这是一个爬虫隐身的最好方法. 于是有以下代码: h ...
简单团队-爬虫豆瓣top250-项目总结
代码托管平台: https://gitee.com/w789369/PaChong/blob/master/test.py 1. 豆瓣抓站流程分析url特征对需要抓取的数据设计正则表达式处理HT ...

Forward团队-爬虫豆瓣top250项目-模块开发过程

Forward团队-爬虫豆瓣top250项目-模块开发过程相关推荐

最新文章

热门文章