Python爬虫学习2-静态网页基础实战
使用Python爬虫爬取豆瓣电影Top50信息
今天的Python爬虫学习主要是对之前两节内容的复习和综合练习,使用Python的Requests库爬取豆瓣电影Top250的基本信息。分析豆瓣电影区的Url可以得到豆瓣电影Top区网页的基本排布规律:每页展示25个电影信息,URL的’?'后跟着当前网页的第一个电影在Top250中的排序(排序的顺序从i=0开始)
基础的静态网页Python爬虫程序的代码如图所示:(注释已经标注在代码的对应位置处)
#爬取静态网页-以豆瓣电影Top250为例
import requests
#定义自动获取电影信息函数getmovie()
def getmovie():
#定义初始头信息
headers={
'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64)AppleWebKit/537.36 (KHTML,like Gecko) Chrome/52.0.2743.82 Safari/537.36 ',
'Host':'movie.douban.com/'
}
#定义循环函数
for i in range(0,10):
link='https://movie.douban.com/top250?start='+str(i*25) #按页数进行不同的link连接
r=requests.get(link,headers=headers,timeout=10)
print(str(i+1),"页面响应状态码",r.status_code)
print(r.text)
#主函数执行部分
if __name__=="__main__":
getmovie()
代码的执行结果部分截图如图所示(爬取的r.text结果)