2024最新整理Python爬虫超详细讲解（零基础入门，老年人都看的懂）

‘’’ #创建数据表

conn = sqlite3.connect(dbpath)

cursor = conn.cursor()

cursor.execute(sql)

conn.commit()

conn.close()

保存数据到数据库

if name == “main”: # 当程序执行时
# 调用函数
main()
# init_db(“movietest.db”)
print(“爬取完毕！”)

复制


**下面我根据代码，从下到下给大家讲解分析一遍**


![](https://img-blog.csdnimg.cn/img_convert/e646bb987731bc4554027ec66392e7c5.jpeg)


–*– codeing = utf-8 –*-，开头的这个是设置编码为utf-8 ，写在开头，防止乱码。 然后下面 import就是导入一些库，做做准备工作，（sqlite3这库我并没有用到所以我注释起来了）。 下面一些find开头的是正则表达式，是用来我们筛选信息的。 （正则表达式用到 re 库，也可以不用正则表达式，不是必须的。） 大体流程分三步走：


**1. 爬取网页** **2.逐一解析数据** **3. 保存网页**


先分析流程1，爬取网页，baseurl 就是我们要爬虫的网页网址，往下走，调用了 getData（baseurl) , 我们来看 getData方法

for i in range(0, 10): # 调用获取页面信息的函数，10次
url = baseurl + str(i * 25)

复制


这段大家可能看不懂，其实是这样的： 因为电影评分Top250，每个页面只显示25个，所以我们需要访问页面10次，25\*10=250。

baseurl = “https://movie.douban.com/top250?start=”

复制


我们只要在baseurl后面加上数字就会跳到相应页面，比如i=1时


<https://movie.douban.com/top250?start=25>


我放上超链接，大家可以点击看看会跳到哪个页面，毕竟实践出真知。


![](https://img-blog.csdnimg.cn/img_convert/d685bdb98adbcd5e288fac5bb266e0a7.jpeg)


然后又调用了askURL来请求网页，这个方法是请求网页的主体方法， 怕大家翻页麻烦，我再把代码复制一遍，让大家有个直观感受

def askURL(url):
head = {
# 模拟浏览器头部信息，向豆瓣服务器发送消息
“User-Agent”: “Mozilla / 5.0(Windows NT 10.0; Win64; x64) AppleWebKit / 537.36(KHTML, like Gecko) Chrome / 80.0.3987.122 Safari / 537.36”
}
# 用户代理，表示告诉豆瓣服务器，我们是什么类型的机器、浏览器（本质上是告诉浏览器，我们可以接收什么水平的文件内容）

request = urllib.request.Request(url, headers=head)
html = ""
try:
    response = urllib.request.urlopen(request)
    html = response.read().decode("utf-8")
except urllib.error.URLError as e:
    if hasattr(e, "code"):
        print(e.code)
    if hasattr(e, "reason"):
        print(e.reason)
return html

复制


这个askURL就是用来向网页发送请求用的，那么这里就有老铁问了，为什么这里要写个head呢？


![](https://img-blog.csdnimg.cn/img_convert/baf5ffbe2f35ac40db280ffd9518589a.jpeg)


这是因为我们要是不写的话，访问某些网站的时候会被认出来爬虫，显示错误，错误代码


### 418


这是一个梗大家可以百度下，



> 
> 418 I’m a teapot The HTTP 418 I’m a teapot client error response code indicates that the server refuses to brew coffee because it is a teapot. This error is a reference to Hyper Text Coffee Pot Control Protocol which was an April Fools’ joke in 1998.
> 
> 
> 


**我是一个茶壶**


![](https://img-blog.csdnimg.cn/img_convert/823cf90b19c079ed97116b3891429865.jpeg)


所以我们需要 “装” ，装成我们就是一个浏览器，这样就不会被认出来， 伪装一个身份。


![](https://img-blog.csdnimg.cn/img_convert/ff2f30554eec50d365fdbe117201208b.jpeg)


来，我们继续往下走，

html = response.read().decode(“utf-8”)

复制


这段就是我们读取网页的内容，设置编码为utf-8，目的就是为了防止乱码。 访问成功后，来到了第二个流程：


**2.逐一解析数据**


解析数据这里我们用到了 BeautifulSoup（靓汤） 这个库，这个库是几乎是做爬虫必备的库，无论你是什么写法。


下面就开始查找符合我们要求的数据，用BeautifulSoup的方法以及 re 库的 正则表达式去匹配，

findLink = re.compile(r’‘) # 创建正则表达式对象，标售规则 影片详情链接的规则
findImgSrc = re.compile(r’<img.src="(.?)"‘, re.S)
findTitle = re.compile(r’(.)‘)
findRating = re.compile(r’(.)‘)
findJudge = re.compile(r’(\d*)人评价‘)
findInq = re.compile(r’(.)‘)
findBd = re.compile(r’

(.?)

', re.S)

复制


匹配到符合我们要求的数据，然后存进 dataList ， 所以 dataList 里就存放着我们需要的数据了。


最后一个流程：


**3.保存数据**

# 3.保存数据
saveData(datalist,savepath)      #2种存储方式可以只选择一种
# saveData2DB(datalist,dbpath)

复制


保存数据可以选择保存到 xls 表， 需要（xlwt库支持） 也可以选择保存数据到 sqlite[数据库]( )， 需要（sqlite3库支持）


这里我选择保存到 xls 表 ，这也是为什么我注释了一大堆代码，注释的部分就是保存到 sqlite 数据库的代码，二者选一就行


保存到 xls 的主体方法是 saveData （下面的saveData2DB方法是保存到sqlite数据库）：

def saveData(datalist,savepath):
print(“save…”)
book = xlwt.Workbook(encoding=“utf-8”,style_compression=0) #创建workbook对象
sheet = book.add_sheet(‘豆瓣电影Top250’, cell_overwrite_ok=True) #创建工作表
col = (“电影详情链接”,“图片链接”,“影片中文名”,“影片外国名”,“评分”,“评价数”,“概况”,“相关信息”)
for i in range(0,8):
sheet.write(0,i,col[i]) #列名
for i in range(0,250):
# print(“第%d条” %(i+1)) #输出语句，用来测试
data = datalist[i]
for j in range(0,8):
sheet.write(i+1,j,data[j]) #数据
book.save(savepath) #保存

复制


创建工作表，创列（会在当前目录下创建），

sheet = book.add_sheet(‘豆瓣电影Top250’, cell_overwrite_ok=True) #创建工作表
col = (“电影详情链接”,“图片链接”,“影片中文名”,“影片外国名”,“评分”,“评价数”,“概况”,“相关信息”)

复制


然后把 dataList里的数据一条条存进去就行。


最后运作成功后，会在左侧生成这么一个文件


![](https://img-blog.csdnimg.cn/img_convert/86c0e144cc318453b421337e9028b643.jpeg)


打开之后看看是不是我们想要的结果


![](https://img-blog.csdnimg.cn/img_convert/95da0f4ac260cc2377937993827645f5.jpeg)


**成了，成了！**


![](https://img-blog.csdnimg.cn/img_convert/4b14bfc534ce4ff96de4a9026dc63b06.jpeg)


如果我们需要以数据库方式存储，可以先生成 xls 文件，再把 xls 文件导入数据库中，就可以啦



> 
> 本篇文章讲解到这里啦，我感觉我讲的还算细致吧，爬虫我也是最近才可以学，对这个比较有兴趣，我肯定有讲的不好的地方，欢迎各位大佬来指正我 。
> 
> 
> 


**我也在不断的学习中，学到新东西第一时间会跟大家分享** **大家可以动动小手，点波关注不迷路。**


如果关于本篇文章有不懂的地方，欢迎大家下面留言，我知道的都会给大家一 一解答。




---


这里给大家分享一份**Python全套学习资料**，包括**学习路线、软件、源码、视频、面试题**等等，都是我自己学习时整理的，希望可以对正在学习或者想要学习Python的朋友有帮助！


## CSDN大礼包：全网最全《全套Python学习资料》免费分享🎁


😝有需要的小伙伴，可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓



> 
> 👉[CSDN大礼包🎁：全网最全《Python学习资料》免费分享**（安全链接，放心点击）**]( )👈
> 
> 
> 


​![](https://img-blog.csdnimg.cn/img_convert/81d0601eb3f8bc68ec8ee72713c33e84.png)


### 1️⃣零基础入门


#### ① 学习路线


对于从来没有接触过Python的同学，我们帮你准备了详细的**学习成长路线图**。可以说是**最科学最系统的学习路线**，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。  
 ![在这里插入图片描述](https://img-blog.csdnimg.cn/5d2a14bf29024901a37c4d62bcf0043b.png#pic_center)


#### ② 路线对应学习视频


还有很多适合0基础入门的学习视频，有了这些视频，轻轻松松上手Python~![在这里插入图片描述](https://img-blog.csdnimg.cn/8c542780409044cb921fdd0db016690b.jpeg#pic_center)


#### ③练习题


每节视频课后，都有对应的练习题哦，可以检验学习成果哈哈！  
 ![在这里插入图片描述](https://img-blog.csdnimg.cn/a03a484e400f436ba139fa0ec7321bf4.gif#pic_center)  
 **因篇幅有限，仅展示部分资料**


### **2️⃣国内外Python书籍、文档**


#### ① 文档和书籍资料


![在这里插入图片描述](https://img-blog.csdnimg.cn/b9358b262e1a4439a84b455dbd0364e7.gif#pic_center)


### 3️⃣Python工具包+项目源码合集


#### ①Python工具包


学习Python常用的开发软件都在这里了！每个都有详细的安装教程，保证你可以安装成功哦！  
 ![在这里插入图片描述](https://img-blog.csdnimg.cn/c9e791e0aa9949b4a822a3b29caa82f1.png#pic_center)


#### ②Python实战案例


光学理论是没用的，要学会跟着一起敲代码，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。100+实战案例源码等你来拿！  
 ![在这里插入图片描述](https://img-blog.csdnimg.cn/0f44fbc2018f4d5c9586e12f8fbd2e32.png#pic_center)


#### ③Python小游戏源码


如果觉得上面的实战案例有点枯燥，可以试试自己用Python编写小游戏，让你的学习过程中增添一点趣味！  
 ![在这里插入图片描述](https://img-blog.csdnimg.cn/7bad49a7a3ee49b18194e28d514e7f53.png#pic_center)


### 4️⃣Python面试题



现在能在网上找到很多很多的学习资源，有免费的也有收费的，当我拿到1套比较全的学习资源之前，我并没着急去看第1节，我而是去审视这套资源是否值得学习，有时候也会去问一些学长的意见，如果可以之后，我会对这套学习资源做1个学习计划，我的学习计划主要包括规划图和学习进度表。



分享给大家这份我薅到的免费视频资料，质量还不错，大家可以跟着学习

![](https://img-blog.csdnimg.cn/img_convert/21b2604bd33c4b6713f686ddd3fe5aff.png)



**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。**

**[需要这份系统化学习资料的朋友，可以戳这里无偿获取](https://bbs.csdn.net/topics/618317507)**

**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！**