Python爬虫 爬取豆瓣电影（一）

这次先进行简单的爬取，获取一定数量的电影url、id等信息。为下次项目做铺垫
（请大家在爬取信息时控制循环的次数！！！）

代理ip的设置，请看：https://blog.csdn.net/az9996/article/details/85094193
请求头设置请看，请看：https://blog.csdn.net/az9996/article/details/85094462

这里直接写成函数形式，方便以后的项目调用

为函数传递一个参数，用来控制要爬取的页数

#number为页面的页数，默认为第一页。页面加一，number+20···
def get_movie_url(number=20):
    page = 0
    filename='movie_url.txt'
    file_operation.make_empty_file(filename)
    while(page!=number):
        proxies_support = urllib.request.ProxyHandler(request_body.get_proxy())
        opener = urllib.request.build_opener(proxies_support)
        urllib.request.install_opener(opener)  # 将代理Ip设置到全局

        url = 'https://movie.douban.com/j/search_subjects?type=movie&' \
              'tag=%E7%83%AD%E9%97%A8&sort=recommend&page_limit=20&page_start=' + str(page)
        headers = request_body.get_header()
        res = request.Request(url,headers=headers)
        req = request.urlopen(res,timeout=0.5).read().decode("utf8")
        js = json.loads(req)
        url = ''
        for subjects in js['subjects']:
            url = url + subjects['url'] +'\n'
        #print(url)
        #将爬取到的数据写入本地
        with open(filename, 'a', encoding='utf-8') as file_obj:
            file_obj.writelines(url)
            file_obj.write('\n')
        page=page+20

这次我仅将电影url写入到本地的txt文件。

下一个项目：https://blog.csdn.net/az9996/article/details/85094604