爬虫
网络爬虫:
网络爬虫是按照一定规则,自动抓取互联网信息的程序或者脚本。由于
互联网数据的多样性和资源的有限性,根据用户需求定向抓取相关网页
并分析成为目前主流的爬取策略
本质:
模拟浏览器打开网页,获取网页中我们想要的部分数据
编码规范:
一般python第一行需要加入
# -*-conding:utf-8 -*-或者 # coding=utf-8
python文件中可以加入main函数用于测试程序
if __name__ == "__main__":
爬取豆瓣Top250并存储Excel
# -*- codeing = utf-8 -*-
# @Time : 2021/11/16 16:08
# @File : spider.py
# @Software: PyCharm
from bs4 import BeautifulSoup # 网页解析,获取数据
import re # 正则表达式,进行文字匹配
import urllib.request, urllib.error # 制定URL,获取网页数据
import xlwt # 进行Excel操作
import sqlite3 # 进行sqlite数据库操作
def main():
baseurl = 'https://movie.douban.com/top250?start='
# 爬取网页
datalist = getData(baseurl)
savepath = '豆瓣电影top250.xls'
# 保存数据
# saveData(datalist,savepath)
# 影片详情链接的规则
findLink = re.com