爬取豆瓣电影数据(requests,基于lxml的BeautifulSoup,json)

'''
爬虫原理。
1.模拟浏览器的行为,通过网络请求将目标网页抓取到本地。
2.使用一定的匹配规则,将目标中需要的数据提取出来,把不需要的过滤掉。
3.根据需求,把提取出来的数据存储到磁盘中(json、csv、excel、数据库)。

需要安装的库:
requests(用来做网络请求的。就跟浏览器是一样的。)
bs4(用来将请求下来的数据进行解析的。)
lxml(这个库是用来解析html和xml格式数据的。)BeautifulSoup相当于只是一个壳,底层还是要基于lxml类似的这种解析器来解析。html5lib、html.parse安装方式安装lxml就行。
'''

import requests
from bs4 import BeautifulSoup
import json


def get_page():
    # 1.url
    url = "https://movie.douban.com/cinema/nowplaying/maanshan/"
    # 2.请求页面的时候应该发送什么数据
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 6.3; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.79 Safari/537.36'
    }
    # 3.GET/POST请求
    # 采用的GET请求

    # 4.发送请求
    response = requests.get(url, headers=headers)
    # print(response.text)
    text = response.text
    return text


def parse_page(text):
    # 360/qq
    soup = BeautifulSoup(text, 'lxml')
    movies = []
    liList = soup.find_all("li", attrs={"data-category": "nowplaying"})
    for li in liList:
        movie = {}
        # print(li)
        # print('=' * 30)
        title = li['data-title']
        # print(title)
        score = li['data-score']
        release = li['data-release']
        duration = li['data-duration']
        region = li['data-region']
        director = li['data-director']
        actors = li['data-actors']
        img = li.find('img')
        thumbnail = img['src']
        # print(thumbnail)
        movie['title'] = title
        movie['score'] = score
        movie['release'] = release
        movie['duration'] = duration
        movie['region'] = region
        movie['director'] = director
        movie['actors'] = actors
        movie['thumbnail'] = thumbnail
        movies.append(movie)
        # print(movie)
    return movies

def save_data(data):
    with open('douban.json','w',encoding='utf-8') as fp:
        # json.dump作用:将字典、列表dump成满足json格式的字符串
        json.dump(data,fp,ensure_ascii=False)

if __name__ == '__main__':
    text = get_page()
    movies = parse_page(text)
    save_data(movies)

  • 0
    点赞
  • 2
    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