爬取https://top.baidu.com/board?tab=movie电影信息

该博客内容展示了如何使用Python的requests和正则表达式库从百度电影排行榜抓取电影名称、类型和演员信息,并将这些数据存储到CSV文件中。通过解析HTML源码,提取关键数据,然后利用csv模块写入文件。
摘要由CSDN通过智能技术生成
import csv

import requests
import re
import json

data_list = []
url = "https://top.baidu.com/board?tab=movie"
headers = {
    'User-Agent': '自己的UA'
}
response = requests.get(url, headers=headers)
html = response.content.decode("utf-8")
# result=re.findall('<div id="sanRoot" theme="movie" class="wrapper c-font-normal rel"><!--s-data:(.*?)-->(.*?)</div>',html,re.S)
# result=re.findall('<div id="sanRoot" theme="movie" class="wrapper c-font-normal rel"><!--s-data:\{"data":\{"cards":\[{"component":"textImgListVerticalNormal",(.*?)"text":"电影榜","topContent":null,(.*?)\-->(.*?)</div>',html,re.S)
# result=re.findall('<!--s-data:\{"data":\{"cards":\[{"component":"textImgListVerticalNormal","content":(.*?)"text":"电影榜","topContent":null,(.*?)',html,re.S)
# result=re.findall('<!--s-data:\{"data":\{"cards":\[{"component":"textImgListVerticalNormal","content":(.*?),"more":0,(.*?)',html,re.S)
result = re.findall(
    '<div class="c-single-text-ellipsis"> (.*?)</div>.*?<div class="intro_1l0wp"> 类型:(.*?) </div><div class="intro_1l0wp"> 演员:(.*?) </div>',
    html, re.S)
print(result)
for data in result:
    # 定义一个字典用来保存数据的
    item = {}
    # print(data)
    item["moviename"] = data[0]
    item["moviestyle"] = data[1]
    item["personname"] = data[2]
    # print(item)
    data_list.append(item)

print(data_list)

with open("movie.csv","w",encoding="utf-8",newline="") as f:
    wt = csv.DictWriter(f, ['moviename','moviestyle','personname'])
    # 写入表头
    wt.writeheader()
    wt.writerows(data_list)

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