spider.简洁版(豆瓣电影TOP250链接)

import urllib.parse
import urllib.request
import re
from bs4 import BeautifulSoup
import xlwt

#主要函数
def main():
    url='https://movie.douban.com/top250?start='#目标网站
    datalist=get_data(url)
    savepath='.//豆瓣电影TOP250链接.xls'
    saveData(datalist,savepath)

findLink=re.compile(r'<a href="(.*?)">')

#提取数据
def get_data(url):
    datalist=[]
    for i in range(0,10):
        baseurl=url+str(i*25)
        html=askurl(baseurl)
        soup=BeautifulSoup(html,'html.parser')
        for item in soup.find_all('div',class_='item'):
            data=[]
            item=str(item)
            link=re.findall(findLink,item)[0]
            data.append(link)

            datalist.append(data)
    return datalist

def saveData(datalist,savepath):
    book=xlwt.Workbook(encoding='utf-8')
    sheet=book.add_sheet('豆瓣电影')
    col=('电影链接')
    sheet.write(0,0,col)
    for i in range(0,250):
        print('第%d条'%(i+1))
        data=datalist[i]
        sheet.write(i+1,0,data[0])
    book.save(savepath)
    
def askurl(baseurl):
    headers={
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.75 Safari/537.36"
    }
    request=urllib.request.Request(baseurl,headers=headers)
    html=''
    response=urllib.request.urlopen(request)
    html=response.read().decode('utf-8')

    return html

if __name__=='__main__':
    main()

www.dan

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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