Python爬虫案例——爬取电影天堂相关数据保存进MySQL数据库

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

提示：这里可以添加本文要记录的大概内容：

本文介绍了如何使用Python爬虫从电影天堂网站获取电影相关数据，并将数据保存到MySQL数据库中。我们将获取电影的标题、封面、简介、类别和磁力链接。

---

一、准备工作

导入相关Python库：

import requests
import re
from lxml import etree
import pymysql

二、爬取数据

相关代码如下：

class filmSpider:
    def __init__(self):
        self.headers = {
            "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36"
        }
        self.get_href()

    def get_href(self):
        base_url = 'https://www.dytt8.net/html/gndy/dyzz/list_23_1.html'
        response = requests.get(url=base_url, headers=self.headers)
        response.encoding = 'gb2312'
        tree = etree.HTML(response.text)
        href_list = tree.xpath('//div//ul//tr[2]/td//a/@href')
        for href in href_list:
            self.get_data(href)

    def get_data(self, href):
        href = 'https://www.dytt8.net' + href
        response = requests.get(url=href, headers=self.headers)
        response.encoding = 'gb2312'
        tree = etree.HTML(response.text)
        text = re.findall(r'/>\u3000\u3000(.*?)<br /><br /><br /><a target="_blank"', response.text)[0].replace(
            "\u3000", "")
        self.movie = {
            'title': tree.xpath('//div[@class="title_all"]/h1/font/text()')[0],
            'cover_url': tree.xpath('//*[@id="Zoom"]//img/@src')[0],
            'classify': tree.xpath('//*[@id="Zoom"]//text()')[5].replace(' ', '')[6:],
            'content': re.findall(r'◎简介(.*)', text)[0].replace('<br /><br />', '').replace("&ldquo;", "\"").replace("&rdquo;", "\""),
            'magnet_url': tree.xpath('//*[@id="Zoom"]//a/@href')[0]
        }
        print(self.movie)
        self.save()

    def save(self):
        classify = self.movie['classify']
        content = self.movie['content']
        title = self.movie['title']
        cover_url = self.movie['cover_url']
        magnet_url = self.movie['magnet_url']

        # 连接数据库
        connection = pymysql.connect(
            host='127.0.0.1',
            user='root',
            passwd='xxxxxxx',
            db='movie',
            charset='utf8mb4',
        )

        cursor = connection.cursor()
        sql = 'insert into dytt(classify,title,content,cover_url,magnet_url) values(%s,%s,%s,%s,%s)'
        cursor.execute(sql, (classify, title, content, cover_url, magnet_url))
        connection.commit()
        cursor.close()
        connection.close()


if __name__ == '__main__':
    filmSpider()

---

三、结果展示

---

四、总结

通过以上步骤，我们已成功爬取了电影天堂网站的电影相关数据，并将其保存到MySQL数据库中。我们可以根据需要修改爬取的字段和数据库连接信息，以适应不同的情况。

---

注意：在爬取网站数据时，请确保你遵守网站的使用协议和法律法规。