目录
一、爬虫任务描述
爬取猫眼电影最受期待榜单的数据信息,主要包括电影名、主演、上映日期,并将数据保存为csv格式文件。
二、网站及HTML代码解析
一、网站变化
第一页:
第二页:
第三页:
3页url作比较:
第一页:https://www.maoyan.com/board/6?timeStamp=1705915541968
第二页:https://www.maoyan.com/board/6?timeStamp=1705915541968&offset=10
第三页:https://www.maoyan.com/board/6?timeStamp=1705915541968&offset=20
从上面的url可以看出,只有offset这个参数在变化,并且逐页递增量为10。
二、HTML代码解析
右键检查html代码,可以看出我们需要的信息都在<div class="movie-item-info">元素中。
电影名:div class="movie-item-info" -> p class="name" -> a -> 文本
主演:div class="movie-item-info" -> p class="star" -> 文本
上映时间:div class="movie-item-info" -> p class="releasetime" -> 文本
三、代码实现
1.导入相关库,requests库用于发送HTTP请求获取响应,parsel库用于解析HTML文档,csv库用于处理CSV文件。
import requests
import parsel
import csv
2.设置请求头,模拟浏览器访问。
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 '
'Safari/537.36 '
}
3.以写入模式打开名为"expected_movies.csv"的CSV文件,定义表头为"name"、"star"和"time"。然后创建一个CSV文件的写入对象,并将表头写入到文件中。
with open('expected_movies.csv', 'w', newline='', encoding='utf-8') as csvfile:
fieldnames = ['name', 'star', 'time']
writer = csv.DictWriter(csvfile, fieldnames=fieldnames)
writer.writeheader()
4.获取用户输入的爬取页数,然后遍历每一页。在每一页中,打印当前页数,构造URL并发送GET请求获取网页内容。使用parsel库解析网页内容,提取电影信息所在的CSS选择器。
page_num = int((input("请输入爬取页数:")))
for page in range(0, page_num):
print(f"第{page + 1}页")
url = f'https://www.maoyan.com/board/6?timeStamp=1705915541968&offset={page * 10}'
response = requests.get(url=url, headers=headers)
select = parsel.Selector(response.text)
info = select.css('.movie-item-info')
5.遍历每一条电影信息,提取电影名称、主演和上映时间,并打印出来。然后将这些信息写入到CSV文件中。
for i in info:
name = i.css('.name a::text').get()
star = i.css('.star::text').get()
time = i.css('.releasetime::text').get()
print(name, star, time)
writer.writerow({
'name': name,
'star': star,
'time': time
})
完整代码:
import requests
import parsel
import csv
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 '
'Safari/537.36 '
}
with open('expected_movies.csv', 'w', newline='', encoding='utf-8') as csvfile:
fieldnames = ['name', 'star', 'time']
writer = csv.DictWriter(csvfile, fieldnames=fieldnames)
writer.writeheader()
page_num = int((input("请输入爬取页数:")))
for page in range(0, page_num):
print(f"第{page + 1}页")
url = f'https://www.maoyan.com/board/6?timeStamp=1705915541968&offset={page * 10}'
response = requests.get(url=url, headers=headers)
select = parsel.Selector(response.text)
info = select.css('.movie-item-info')
for i in info:
name = i.css('.name a::text').get()
star = i.css('.star::text').get()
time = i.css('.releasetime::text').get()
print(name, star, time)
writer.writerow({
'name': name,
'star': star,
'time': time
})
四、运行结果
pycharm运行:
pycharm打开保存的expected_movies.csv文件: