简单爬虫学习---爬取豆瓣电影top250

简单的一个爬取豆瓣电影 top250 并导入 mongo 数据库的例子,慢慢学!

import requests
from bs4 import BeautifulSoup
import re
import time
import pymongo
import sys

def getHTMLText(url,k):
    try:
        if(k==0):kw={}
        else:kw={'start':k,'filter':''}
        r = requests.get(url,params=kw,headers={'User-Agent':'Mozilla/4.0'})
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        return r.text
    except:
        print("Failed!")
def saveDate(name,score,num,quote):
    connection =pymongo.MongoClient()
    Movie = connection.Books
    MovieTable = Movie.BookCol
    Movie={
        "电影":name,
        "评分":score,
        "收藏":num,
        "短评":quote
    }
    MovieTable.insert_one(Movie)
def getData(html):
    soup = BeautifulSoup(html,"html.parser")
    movieList=soup.find('ol',attrs={'class':'grid_view'})
    moveInfo=[]
    for movieLi in movieList.find_all('li'):
        data=[]
        # 得到电影名
        movieHd=movieLi.find('div',attrs={'class':'hd'})
        movieName=movieHd.find('span',attrs={'class':'title'}).getText()
        data.append(movieName)

        #得到电影的评分
        movieScore=movieLi.find('span',attrs={'class':'rating_num'}).getText()
        data.append(movieScore)

        #得到电影的评价人数
        movieEval=movieLi.find('div',attrs={'class':'star'})
        movieEvalNum=re.findall(r'\d+',str(movieEval))[-1]
        data.append(movieEvalNum)

        #得到电影的短评
        movieQuote=movieLi.find('span',attrs={'class':'inq'})
        if(movieQuote):
            data.append(movieQuote.getText())
        else:
            data.append("无")
        print(outputMode.format(data[0],data[1],data[2],data[3],chr(12288)))
        saveDate(data[0],data[1],data[2],data[3])

output=sys.stdout
outputfile=open('moviedata.txt','w',encoding='utf-8')
sys.stdout=outputfile

outputMode="{0:{4}^20}\t{1:^10}\t{2:^10}\t{3:{4}^10}"
print(outputMode.format('电影名称','评分','评论人数','短评',chr(12288)))
basicUrl='https://movie.douban.com/top250'
k=0
while k<=225:
    html=getHTMLText(basicUrl,k)
    time.sleep(2)
    k+=25
    getData(html)

outputfile.close()
sys.stdout=output


  • 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