Python多线程豆瓣影评API接口爬虫,字节跳动Python架构师学习笔记

本文介绍了一个使用Python实现的多线程爬虫,针对豆瓣影评API接口进行数据抓取。通过随机UserAgent避免IP封锁,解析JSON数据并提取评论的ID、用户名、点赞数、星级、发表时间和内容。数据存储到数据库并提供保存到CSV文件的功能。此外,作者分享了自己的学习经历,提供了Python开发全套学习资料,包括学习路线、视频教程、项目实践、电子书等,旨在帮助开发者系统学习和提升Python技能。
摘要由CSDN通过智能技术生成

:start: 开始的记录数,0-480

‘’’

self.movie_id = movie_id

self.start = start

self.type = type

self.url = ‘https://movie.douban.com/subject/{id}/comments?start={start}&limit=20&sort=new_score&status=P&percent_type={type}&comments_only=1’.format(

id=str(self.movie_id),

start=str(self.start),

type=self.type

)

#创建数据库连接

self.session = create_session()

#随机useragent

def _random_UA(self):

self.headers[‘User-Agent’] = random.choice(USERAGENT)

#获取api接口,使用get方法,返回的数据为json数据,需要提取里面的HTML

def _get(self):

self._random_UA()

res = ‘’

try:

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

res = res.json()[‘html’]

except Exception as e:

print(‘IP被封,请使用代理IP’)

print(‘正在获取{} 开始的记录’.format(self.start))

return res

def _parse(self):

res = self._get()

dom = etree.HTML(res)

#id号

self.id = dom.xpath(self.base_node + ‘/@data-cid’)

#用户名

self.username = dom.xpath(self.base_node + ‘/div[@class=“avatar”]/a/@title’)

#用户连接

self.user_center = dom.xpath(self.base

  • 11
    点赞
  • 17
    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