BeautifulSoup类的使用-爬取电影票房排行

一、目的

通过BeautifulSoup类爬取猫眼电影排行榜,作为BeautifulSoup类使用的小练习

爬取排行榜网址:https://maoyan.com/board/1

二、参考知识

BeautifulSoup类用法总结

三、代码

	import requests
	from bs4 import BeautifulSoup as bs
	
	# 获得页面代码
	def get_page(_url):
	    try:
	        header = {
	            "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.116 Safari/537.36"}
	        r = requests.get(_url, headers=header, timeout=30)
	        r.raise_for_status()
	        r.encoding = r.apparent_encoding
	        return r.text
	    except:
	        return None
	
	# 通过BeautifulSoup解析代码
	def parse_page(_html):
	    soup = bs(_html, "html.parser")
	    tags_dd = soup.find_all("dd")
	    movies_info = []
	    for dd in tags_dd:
	        tag_div = dd.find("div", "movie-item-info")
	        tags_p = tag_div.find_all("p")
	        movie_info = []
	        for p in tags_p:
	            movie_info.append(p.string)
	        movies_info.append(movie_info)
	    return movies_info
	    # print(movies_info)
	
	# 输出
	def print_data(_movies_info):
	    typlt = "{0:{3}^10}{1:{3}^30}{2:^10}"
	    for movie_info in _movies_info:
	        print(typlt.format(movie_info[0], movie_info[1], movie_info[2], chr(12288)))
	
	
	if __name__ == '__main__':
	    url = "https://maoyan.com/board/1"
	    # 爬取html页面
	    html = get_page(url)
	    # 解析html页面,查找所需数据
	    movies_info = parse_page(html)
	    # 打印数据
	    print_data(movies_info)
	

四、结果

五、主要代码分析

	# 通过BeautifulSoup解析代码
		def parse_page(_html):
	    soup = bs(_html, "html.parser")
	    tags_dd = soup.find_all("dd")
	    movies_info = []
	    for dd in tags_dd:
	        tag_div = dd.find("div", "movie-item-info")
	        tags_p = tag_div.find_all("p")
	        movie_info = []
	        for p in tags_p:
	            movie_info.append(p.string)
	        movies_info.append(movie_info)
	    return movies_info
  1. 通过html代码可知,电影排行信息处于html / body / div class="container" id="app" class="page-board/index" / dd标签中,且页面中仅含有一组dd标签,故通过soup.find_all("dd")直接返回dd标签的迭代器
    	tags_dd = soup.find_all("dd")
    
  2. 发现电影信息存在于dd / movie / item / info标签中的p标签中,故可以再次查找返回p标签的迭代器。
    tag_div = dd.find("div", "movie-item-info")
    tags_p = tag_div.find_all("p")
    
  3. 遍历p标签,将p标签中的文本信息存储到movie_info列表中,再将movie_info储存到所有电影信息列表movies_info中
    	movie_info = []
    	for p in tags_p:
    	 	movie_info.append(p.string)
    	movies_info.append(movie_info)
    	```
    
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