Python爬虫电影

该篇博客介绍了如何使用Python的requests和lxml库从电影票房数据库网站抓取历史排名、电影名称及上映年份信息,并将数据整理成CSV文件。博主提供了两种不同的方法来遍历和组合数据,最后将数据写入到CSV文件中,实现了电影票房前四十的爬取和存储。
摘要由CSDN通过智能技术生成

格式:历史排名,电影名称,上映时间

  总票房 - 电影票房排行榜 - 电影票房数据库

# -*- coding: utf-8 -*-
from lxml import html
import requests
import csv

#链接
url='http://58921.com/alltime'
#请求头,模拟浏览器登录
headers={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/98.0.4758.102 Safari/537.36'}
#访问链接,获取HTML
r=requests.get(url,headers=headers)
#编码
r.encoding='utf-8'
retext=r.text
#HTML解析
ht=html.fromstring(retext)

#使用xpath获取
number=ht.xpath('//*[@id="content"]/div[3]/table/tbody/tr/td[2]/text()')
#print(number)
name=ht.xpath('//*[@id="content"]/div[3]/table/tbody/tr/td[3]/a/text()')
#print(name)
year=ht.xpath('//*[@id="content"]/div[3]/table/tbody/tr/td[7]/text()')
#print(year)

#第一种方法
resultlist=[]
resultlist=list(zip(number,name,year))
print(resultlist)

urllist=['http://58921.com/alltime?page={}'.format(i) for i in range(2)]
#print(urllist)
resultlist1=[['排名','电影名称','上映年份']]

#第二种方法
resultlist=[['排名','电影名称','上映年份']]
#遍历将number,name,year元素放一块
for i in range(0,20):
    resultlist.append([number[i],name[i],year[i]])
print(resultlist)

#写入
with open('票房排行榜.csv','w') as f: #写入csv文件
    write=csv.writer(f)
    write.writerows(resultlist1) #使用第二种遍历换成resultlist
    for row in resultlist:
        write.writerow(row)

进阶版,爬取前四十,另一种方法

# -*- coding: utf-8 -*-
from lxml import html
import requests
import csv

#获取数据
url='http://58921.com/alltime?page=0'
#请求头,模拟浏览器登录
headers={
    'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/99.0.4844.51 Safari/537.36 Edg/99.0.1150.39'
 }

def getlist(url):
    r=requests.get(url)
    r.encoding='utf8'
#print(r.text)

#解析操作
    ht=html.fromstring(r.text)
    number=ht.xpath('//*[@id="content"]/div[3]/table/tbody/tr/td[2]/text()')
#print(number)
    name=ht.xpath('//*[@id="content"]/div[3]/table/tbody/tr/td[3]/a/text()')
#print(name)
    year=ht.xpath('//*[@id="content"]/div[3]/table/tbody/tr/td[7]/text()')
#print(year)

#[1,长津湖,2021],[2,战狼2,2017]
    resultlist=[]
    resultlist=list(zip(number,name,year))
    print(resultlist)
    return(resultlist)

urllist=['http://58921.com/alltime?page={}'.format(i) for i in range(2)]
resultlist1=[['排名','电影名称','电影年份']]

for url in urllist:
    resultlist1=resultlist1+getlist(url)
print(resultlist1)

#写入
with open("piaofang.csv",'w') as f:
    write=csv.writer(f)
    write.writerows(resultlist1)

  • 3
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
评论 1
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

打赏作者

Lorrey_

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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