2020-爬虫学习-实战练习：爬取豆瓣电影排名前25部的电影信息

前言：

在开始本文之前，我非常建议先学习下我写的第一篇爬虫练习的文章：https://blog.csdn.net/hahameier/article/details/110558398，里面有涉及到一些基本的东西。

在本文中，我会循序渐进，从爬取两个信息来带大家熟悉和学习下整体的流程（代码较少，帮助小白克服一堆代码的恐惧），然后才会延伸至多个信息的爬取。

本文将会非常适合知道了一些爬虫的基础知识，但是还没用实际例子来尝试的朋友。

参考链接：

1、百度大脑的教程《深度学习导论与应用实践》第二章节的课后习题：
https://aistudio.baidu.com/aistudio/projectDetail/101811
【但是代码部分已经不适用于现在的版本了，需要进行重构，本文会给出自己写的能运行的最新版的代码。】
2、上一篇自己写的爬虫练习：https://blog.csdn.net/hahameier/article/details/110558398

核心代码：

1、爬取所需要的内容：

    def getContent(self, html):
        findTitle = re.compile(r'<span class="title">(.*)</span>')  # 找到片名
        findLink = re.compile(r'<a href="(.*?)">')  # 找到影片详情链接
        datalist = []
        for item in html.find_all('div', class_='item'):  # 找到每一个影片项
            data = []
            item = str(item)  # 转换成字符串
            link = re.findall(findLink, item)[0]
            data.append(link)  # 添加详情链接
            titles = re.findall(findTitle, item)
            # 片名可能只有一个中文名，没有外国名；但我们只取中文名
            if len(titles) == 2:
                ctitle = titles[0]
                data.append(ctitle)  # 添加中文片名
                otitle = titles[1].replace("/", "")  # 去掉无关符号
            else:
                data.append(titles