豆瓣电影Top250爬虫实验

一、具体需求

1、一个可执行的吧网络爬虫程序
2、可成功爬取目标网站数据,关键项不少于5项。
3、使用sqlite3存储数据到数据库并命名为movies,可以进行增删改查操作。
4、使用matplotlib库将库中数据进行可视化展示。

二、 代码实现

import urllib.request
from bs4 import BeautifulSoup
import sqlite3
import matplotlib.pyplot as plt


def main(url, headers,cursor):
    # 发送请求
    page = urllib.request.Request(url, headers=headers)
    page = urllib.request.urlopen(page)
    contents = page.read()
    # 用BeautifulSoup解析网页
    soup = BeautifulSoup(contents, "html.parser")
    print('爬取豆瓣电影250: \n')

    ratings = []  # 存储评分数据

    for tag in soup.find_all(attrs={"class": "item"}):
        # 爬取序号
        num = tag.find('em').get_text()
        print(num)
        # 电影名称
        name = tag.find_all(attrs={"class": "title"})
        zwname = name[0].get_text()
        print('[中文名称]', zwname)
        # 进入详情页获取导演信息
        detail_url = tag.find(attrs={"class": "hd"}).a.attrs['href']
        director = get_director(detail_url, headers)
        print('[导演]', director)
        # 网页链接
        url_movie = tag.find(attrs={"class": "hd"}).a
        urls = url_movie.attrs['href']
        print('[网页链接]', urls)
        # 爬取评分和评论数
        info = tag.find(attrs={"class": "star"}).get_text()
        info = info.replace('\n', ' ')
        info = info.lstrip()
        print('[评分评论]', info)
        # 获取评语
        info_tag = tag.find(attrs={"class": "inq"})
        if info_tag:
            content = info_tag.get_text()
            print('[影评]', content)

        # 将info和content转换为字符串
        info_str = str(info)
        content_str = str(content)

        # 插入数据到数据库
        cursor.execute('''
            INSERT INTO movies (num, zwname, director, urls, info, content)
            VALUES (?, ?, ?, ?, ?, ?)
        ''', (num, zwname, director, urls, info_str, content_str))

        # 提取评分并添加到ratings列表中
        rating = float(info_str.split()[0])
        ratings.append(rating)

        print('')

    print("数据插入完成")
    print('')

    # 可视化展示电影评分条形图
    plt.bar(range(len(ratings)), ratings)
    plt.xlabel('movies')
    plt.ylabel('number')
    plt.title('Top 250 ')
    plt.xticks(range(len(ratings)), range(1, len(ratings) + 1))
    plt.show()


def get_director(url, headers):
    detail_page = urllib.request.Request(url, headers=headers)
    detail_page = urllib.request.urlopen(detail_page)
    detail_contents = detail_page.read()
    detail_soup = BeautifulSoup(detail_contents, "html.parser")
    directors = detail_soup.find_all(attrs={"class": "attrs"})[0].get_text().split('\n')
    for director in directors:
        if director.strip():
            return director.strip()


if __name__ == '__main__':
    # 连接到SQLite数据库
    conn = sqlite3.connect('movies.db')
    # 创建一个游标对象
    cursor = conn.cursor()
    # 创建存储电影信息的表(如果不存在)
    cursor.execute('''
        CREATE TABLE IF NOT EXISTS movies (
            id INTEGER PRIMARY KEY,
            num TEXT,
            zwname TEXT,
            director TEXT,
            urls TEXT,
            info TEXT,
            content TEXT
        )
    ''')


    # 消息头
    headers = {
        'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/14.1.1 Safari/605.1.15'}
    # 翻页
    i = 0
    while i < 1:
        print('页码', (i + 1))
        num = i * 25  # 每次显示20部 URL序号按20增加
        url = 'https://movie.douban.com/top250?start=' + str(num) + '&filter='
        main(url, headers, cursor)
        i = i + 1

    '''
    # 查询数据
    cursor.execute('SELECT * FROM movies')
    rows = cursor.fetchall()
    for row in rows:
        print(row)

    # 插入新电影信息
    num = '251'
    zwname = '新电影'
    director = '某某导演'
    urls = 'https://movie.com'
    info = '8.0 1000人评论'
    content = '这是一部很好的电影'
    cursor.execute('INSERT INTO movies (num, zwname, director, urls, info, content) VALUES (?, ?, ?, ?, ?, ?)',
               (num, zwname, director, urls, info, content))
    # 更新电影信息
    num = '1'
    new_director = '新导演'
    cursor.execute('UPDATE movies SET director = ? WHERE num = ?', (new_director, num))

    # 删除电影信息
    num = '1'
    cursor.execute('DELETE FROM movies WHERE num = ?', (num,))
    '''

    # 提交更改并关闭数据库连接
    conn.commit()
    conn.close()

三、实验结果

 

 

 

 

  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值