【python爬虫案例】用python爬豆瓣电影TOP250排行榜

一、爬虫对象-豆瓣电影TOP250

首先，打开豆瓣电影TOP250的页面：豆瓣电影 Top 250

开发好python爬虫代码后，爬取成功后的csv数据，如下：

代码是怎样实现的爬取呢？下面逐一讲解python核心代码。

二、python爬虫代码讲解

首先，导入需要用到的库：

	import requests # 发送请求
	from bs4 import BeautifulSoup # 解析网页
	import pandas as pd # 存取csv
	from time import sleep # 等待时间

然后，向豆瓣电影网页发送请求：

res = requests.get(url, headers=headers)

利用BeautifulSoup库解析响应页面：

soup = BeautifulSoup(res.text, 'html.parser')

用BeautifulSoup的select函数，（css解析的方法）编写代码逻辑，部分核心代码：

	for movie in soup.select('.item'):
	name = movie.select('.hd a')[0].text.replace('\n', '') # 电影名称
	movie_name.append(name)
	url = movie.select('.hd a')[0]['href'] # 电影链接
	movie_url.append(url)
	star = movie.select('.rating_num')[0].text # 电影评分
	movie_star.append(star)
	star_people = movie.select('.star span')[3].text # 评分人数
	star_people = star_people.strip().replace('人评价', '')
	movie_star_people.append(star_people)

其中，需要说明的是，《大闹天宫》这部电影和其他电影页面排版不同：

它的上映年份有3个（其他电影只有1个上映年份），并且以"/"分隔，正好和国家、电影类型的分割线冲突，

所以，这里特殊处理一下：

	if name == '大闹天宫 / 大闹天宫 上下集 / The Monkey King': # 大闹天宫，特殊处理
	year0 = movie_infos.split('\n')[1].split('/')[0].strip()
	year1 = movie_infos.split('\n')[1].split('/')[1].strip()
	year2 = movie_infos.split('\n')[1].split('/')[2].strip()
	year = year0 + '/' + year1 + '/' + year2
	movie_year.append(year)
	country = movie_infos.split('\n')[1].split('/')[3].strip()
	movie_country.append(country)
	type = movie_infos.split('\n')[1].split('/')[4].strip()
	movie_type.append(type)

最后，将爬取到的数据保存到csv文件中：

	def save_to_csv(csv_name):
	"""
	数据保存到csv
	:return: None
	"""
	df = pd.DataFrame() # 初始化一个DataFrame对象
	df['电影名称'] = movie_name
	df['电影链接'] = movie_url
	df['电影评分'] = movie_star
	df['评分人数'] = movie_star_people
	df['导演'] = movie_director
	df['主演'] = movie_actor
	df['上映年份'] = movie_year
	df['国家'] = movie_country
	df['类型'] = movie_type
	df.to_csv(csv_name, encoding='utf_8_sig') # 将数据保存到csv文件

其中，把各个list赋值为DataFrame的各个列，就把list数据转换为了DataFrame数据，然后直接to_csv保存。

这样，爬取的数据就持久化保存下来了。

三、获取完整源码

附完整源码（无偿分享）：