1、分析URL
- start:从第几条开始展示,豆瓣影评每一页都是20条评论,所以start应该是20的倍数。
- limit:这个限制了每页显示多少评论,但修改数值也没用。
- sort:根据热门/最新/好友进行排序, 这里我选择了热门。
- status:P/F代表看过和想看,我选择了想看。
- percent_type:影评类型,h/m/l分别代表好评/一般/差评,是我们需要修改的。
根据参数分析,我们得到BASE_URL应该是:
BASE_URL = 'https://movie.douban.com/subject/33404425/comments?start={}&limit=20&sort=new_score&status=P&percent_type={}'
2、页面解析
2.1 判断静态网页还是动态网页【豆瓣页面为静态网页】
- Ctrl+U或者右击显示网页源代码
- 复制原始网页的内容,在源代码中进行搜索。搜索框ctrl+F
- 若搜索到,则是静态网页,若没有搜索到,这是动态网页。
2.2 网页信息解析
我使用的是Chrome浏览器,Ctrl+U显示网页源码,可以发现豆瓣影评部分并没有使用JS动态更新,所以我们可以直接对源码进行解析。
HTML<div>元素:定义文档中的分区或节(division/section)【块级元素,它是可用于组合HTML元素的容器】
HTML<span>元素:定义span,用来组合文档中的行内元素【内联元素,可用作文本的容器】