【爬虫】七夕快到了，想好和女朋友看什么片了吗？来一起用 Python 爬取豆瓣电影分类排行榜(1)

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新Python全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上Python知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip1024c （备注Python）

正文

获取到网页源码后，点击Elements，然后点击左上角的箭头，选中分类标签，寻找该部分的html源码：

找到分类标签的位置后，用 pyquery 解析一下：

typelabels = pq(response1.text).find(‘.types span a’) # 查找节点

typeslist = list(typelabels.items()) # 转为列表，方便之后的索引

然后我们循环遍历列表，打印出序号和关键词，并等待用户输入：

for i, n in enumerate(typeslist):

print(str(i) + ‘：’, n.text())

choose = int(input(‘请选择：’))

第二步：获取分类榜单

---

照样是点击Network栏，录制我们的网络活动。这次我们点击一个分类，进入分类界面。可以看到这里有一个链接，就是我们进行请求的网址，Preview 里有我们需要的榜单。注意这里会有两个类似的网址，注意区分：

但是请求的参数我们无法获取：

这时候要说一下，我们在发送请求时，一般地址中问号后面的可以省略，是因为问号后面的即是请求参数，我们发送 params 信息就不需要后面的参数了。params 设置发送请求时所带的参数，字典或字节流格式，作为额外参数连接到url中（问号后的部分）。既然这样，那么我们也可以反过来，在地址中放入参数，就能够省略掉 params 了。

我们可以发现，在网页源代码的分类标签中，href 属性里面有链接后缀：

这时候我们只需将请求的网址'https://movie.douban.com/j/chart/top_list'和后缀除/typerank的部分连接起来，就能够得到需要的地址：

add = typeslist[choose].attr(‘href’)

url2 = ‘https://movie.douban.com/j/chart/top_list’ + add.lstrip(‘/typerank’)

#‘https://movie.douban.com/j/chart/top_list?type_name=剧情&type=11&interval_id=100:90&action=’

最后发送 get 请求，获取榜单信息，并不需要params传入参数：

headers2 = {

‘Cookie’: ‘…’,

‘Referer’: ‘https://movie.douban.com/typerank’,

‘User-Agent’: ‘…’

}

response2 = requests.get(url=url2, headers=headers2)

然后再筛选出需要的信息，打印出来：

for i, n in enumerate(response2.json()):

print(i+1, n[‘title’] + ’ ’ + n[‘rating’][0] + ‘【’ + ‘,’.join(n[‘types’]) + ‘】’, sep=’ ')

#打印排名、名称、评分及影片类型

效果：

完整代码

=======================================================================

from pyquery import PyQuery as pq

import requests

url1 = ‘https://movie.douban.com/chart’

headers1 = {

‘Cookie’: ‘…’,

‘Referer’: ‘https://movie.douban.com/’,

‘User-Agent’: ‘…’

}

response1 = requests.get(url1, headers=headers1) # 第一次请求，获取关键词

typelabels = pq(response1.text).find(‘.types span a’) # 查找节点

typeslist = list(typelabels.items()) # 转为列表，方便之后的索引

for i, n in enumerate(typeslist):

print(str(i) + ‘：’, n.text()) # 打印关键词

choose = int(input(‘请选择：’))

add = typeslist[choose].attr(‘href’)

url2 = ‘https://movie.douban.com/j/chart/top_list’ + add.lstrip(‘/typerank’) # 合并生成url

headers2 = {

‘Cookie’: ‘…’,

‘Referer’: ‘https://movie.douban.com/typerank’,

‘User-Agent’: ‘…’

}

response2 = requests.get(url=url2, headers=headers2) # 第二次请求，获取榜单

for i, n in enumerate(response2.json()): # 打印榜单/

print(i, n[‘title’] + ’ ’ + n[‘rating’][0] + ‘【’ + ‘,’.join(n[‘types’]) + ‘】’, sep=’ ')

选：保存到本地

==========================================================================

一般来说，以上的功能就足以满足查询的需要，但有时候我们也想要把它保存下来，以下是爬取并保存的完整代码：

import requests

from pyquery import PyQuery as pq

import xlwt

新建工作簿

wb = xlwt.Workbook(encoding=‘utf-8’)

url1 = ‘https://movie.douban.com/chart’

headers1 = {

‘Cookie’: ‘…’,

‘Referer’: ‘https://movie.douban.com/’,

‘User-Agent’: ‘…’

}

response1 = requests.get(url1, headers=headers1).text

typelabels = pq(response1.text).find(‘.types span a’) # 查找节点

typeslist = list(typelabels.items()) # 转为列表，方便之后的索引

headers2 = {

‘Cookie’: ‘…’,

‘Referer’: ‘https://movie.douban.com/typerank’,

‘User-Agent’: ‘…’

}

for j in typeslist:

新建工作表

ws = wb.add_sheet(i.text, cell_overwrite_ok=True)

#发送请求

add = i.attr(‘href’)

url2 = ‘https://movie.douban.com/j/chart/top_list’ + add.lstrip(‘/typerank’)

response2 = requests.get(url=url2, headers=headers2)

#提取有用信息

datas = [[i+1, n[‘title’], n[‘rating’][0], ‘【’ + ‘,’.join(n[‘types’]) + ‘】’] for i, n in enumerate(response2.json())]

将表头和内容合并

table += [j for i in datas for j in i]

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python必备开发工具

工具都帮大家整理好了，安装就可直接上手！

三、最新Python学习笔记

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

四、Python视频合集

观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

五、实战案例

纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

六、面试宝典

简历模板

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip1024c （备注python）

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

简历模板

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip1024c （备注python）
[外链图片转存中…(img-VacaDedv-1713218602338)]

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！