navicat爬虫

我们以一个爬虫代码为例,我这里爬取的是豆瓣的评论

一、爬虫代码(代码可复制)


import pymysql
import requests
from bs4 import BeautifulSoup
import pandas as pd
import os
import random
from time import sleep
 
from pymysql.cursors import Cursor
 
# 请求头
h1 = {
    'Cookie': 'bid=zBa9OSUKR3U; _pk_id.100001.4cf6=573e4774bfb06446.1701225708.; _pk_ses.100001.4cf6=1; ap_v=0,6.0; __utma=30149280.1110594257.1701225708.1701225708.1701225708.1; __utmb=30149280.0.10.1701225708; __utmz=30149280.1701225708.1.1.utmcsr=(direct)|utmccn=(direct)|utmcmd=(none); __utma=223695111.330245772.1701225708.1701225708.1701225708.1; __utmb=223695111.0.10.1701225708; __utmz=223695111.1701225708.1.1.utmcsr=(direct)|utmccn=(direct)|utmcmd=(none); __utmc=30149280; __utmc=223695111',
    'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
    'Accept-Encoding': 'gzip, deflate',
    'Host': 'movie.douban.com',
    'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/15.4 Safari/605.1.15',
    'Accept-Language': 'zh-CN,zh-Hans;q=0.9',
    'Referer': 'https://movie.douban.com/subject/35267224/?from=showing',
    'Connection': 'keep-alive'
}
 
 
def trans_star(v_str):
    """转换评论星级"""
    v_str = v_str[0]
    if v_str == 'allstar10':
        return '1星'
    elif v_str == 'allstar20':
        return '2星'
    elif v_str == 'allstar30':
        return '3星'
    elif v_str == 'allstar40':
        return '4星'
    elif v_str == 'allstar50':
        return '5星'
    else:
        return '未知'
 
 
def get_short(v_movie_id):
    """爬取短评数据"""
    for page in range(1, max_page + 1):  # 爬取前n页
        requests.packages.urllib3.disable_warnings()
        # 请求地址
        url = 'https://movie.douban.com/subject/{}/comments?start={}&limit=20&status=P&sort=new_score'.format(
            v_movie_id, (page - 1) * 20)
        # 发送请求
        response = requests.get(url, headers=h1, verify=False)
        print(response.status_code)
        # 解析页面数据
        soup = BeautifulSoup(response.text, 'html.parser')
        # 所有评论数据
        reviews = soup.find_all('div', {'class': 'comment'})
        print('开始爬取第{}页,共{}条评论'.format(page, len(reviews)))
        sleep(random.uniform(1, 2))
        # 定义空列表用于存放数据
        user_name_list = []  # 评论者昵称
        star_list = []  # 评论星级
        time_list = []  # 评论时间
        ip_list = []  # 评论者ip属地
        vote_list = []  # 有用数
        content_list = []  # 评论内容
        for review in reviews:
            # 评论者昵称
            user_name = review.find('span', {'class': 'comment-info'}).find('a').text
            user_name_list.append(user_name)
            # 评论星级
            star = review.find('span', {'class': 'comment-info'}).find_all('span')[1].get('class')
            star = trans_star(star)
            star_list.append(star)
            # 评论时间
            time2 = review.find('span', {'class': 'comment-time'}).text.strip()
            print('评论时间:', time2)
            time_list.append(time2)
            # 评论者IP属地
            ip = review.find('span', {'class': 'comment-location'}).text
            ip_list.append(ip)
            # 有用数
            vote = review.find('span', {'class': 'votes vote-count'}).text
            vote_list.append(vote)
            # 评论内容
            content = review.find('span', {'class': 'short'}).text
            content = content.replace(',', ',').replace(' ', '').replace('\n', '').replace('\t', '').replace('\r', '')
            content_list.append(content)
        df = pd.DataFrame(
            {
                '页码': page,
                '评论者昵称': user_name_list,
                '评论星级': star_list,
                '评论时间': time_list,
                '评论者IP属地': ip_list,
                '有用数': vote_list,
                '评论内容': content_list,
            }
        )
 
    
 
if __name__ == '__main__':
    # 电影id
    movie_id = '35556001'
    # 最大爬取页
    max_page = 1  # 最大为30页
    # 保存文件名
    result_file = '豆瓣短评_{}_前{}页.csv'.format(movie_id, max_page)
    # 如果csv文件存在,先删除之
    if os.path.exists(result_file):
        os.remove(result_file)
        print('结果文件存在,已删除: {}'.format(result_file))
    # 循环爬取短评
    get_short(movie_id)
 

二、连接数据库

  # host:地址    potr:端口     user:用户名    password:密码     db:数据库名     charset:编码
    db = pymysql.connect(host="172.22.67.216", port=3306, user="root", password="password", db="douban", charset="utf8mb4")
 
    cursor = db.cursor()  # 创建游标

三、在Navicat中创建数据表

1、创建数据库2、创建数据表

3、将数据爬取到数据库中,代码如下(插入到此代码后:data_json = df.to_dict(orient='records')

 
        for dt in data_json:
            print(dt)
            sql = 'insert into douban_data values ("%s","%s","%s","%s","%s","%s","%s")' % 
(dt['页码'], dt['评论者昵称'], dt['评论星级'], dt['评论时间'],dt['评论者IP属地'],dt['有用数'],dt['评论内容'])
            cursor.execute(sql)  # 执行语句
            db.commit()

4、运行结果

①pycharm结果

②、navicat结果

四、完整代码如下(密码记得改)

 
  1. # 程序功能:爬豆瓣电影上指定电影的短评
    # 原创作者:马哥python说
    import requests
    from bs4 import BeautifulSoup
    import pandas as pd
    import os
    import random
    from time import sleep
    import pymysql
     
     
     
     
     
     
    # 请求头
    h1 = {
        'Cookie': 'll="108309"; bid=Me0AOgr-hLE; __utma=30149280.1794767935.1702823028.1702823028.1702823028.1; __utmc=30149280; __utmz=30149280.1702823028.1.1.utmcsr=cn.bing.com|utmccn=(referral)|utmcmd=referral|utmcct=/; __utmb=30149280.1.10.1702823028; __utma=223695111.668481595.1702823036.1702823036.1702823036.1; __utmb=223695111.0.10.1702823036; __utmc=223695111; __utmz=223695111.1702823036.1.1.utmcsr=cn.bing.com|utmccn=(referral)|utmcmd=referral|utmcct=/; _pk_ref.100001.4cf6=%5B%22%22%2C%22%22%2C1702823036%2C%22https%3A%2F%2Fcn.bing.com%2F%22%5D; _pk_id.100001.4cf6=88192bd6fadc2c98.1702823036.; _pk_ses.100001.4cf6=1; ap_v=0,6.0; _vwo_uuid_v2=D95348D3B6ABB211449A744F64EFB7A2C|8187f85b5505a6cd252bb47eecb59ad6; __yadk_uid=7vjVvsySJaC49VGXlGZ0qFGiPP7jme1g',
        'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
        'Accept-Encoding': 'gzip, deflate',
        'Host': 'movie.douban.com',
        'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/15.4 Safari/605.1.15',
        'Accept-Language': 'zh-CN,zh-Hans;q=0.9',
        'Referer': 'https://movie.douban.com/subject/35267224/?from=showing',
        'Connection': 'keep-alive'
    }
     
     
    def trans_star(v_str):
        """转换评论星级"""
        v_str = v_str[0]
        if v_str == 'allstar10':
            return '1星'
        elif v_str == 'allstar20':
            return '2星'
        elif v_str == 'allstar30':
            return '3星'
        elif v_str == 'allstar40':
            return '4星'
        elif v_str == 'allstar50':
            return '5星'
        else:
            return '未知'
     
     
    def get_short(v_movie_id):
        """爬取短评数据"""
        for page in range(1, max_page + 1):  # 爬取前n页
            requests.packages.urllib3.disable_warnings()
            # 请求地址
            url = 'https://movie.douban.com/subject/{}/comments?start={}&limit=20&status=P&sort=new_score'.format(
                v_movie_id, (page - 1) * 20)
            # 发送请求
            response = requests.get(url, headers=h1, verify=False)
            print(response.status_code)
            # 解析页面数据
            soup = BeautifulSoup(response.text, 'html.parser')
            # 所有评论数据
            reviews = soup.find_all('div', {'class': 'comment'})
            print('开始爬取第{}页,共{}条评论'.format(page, len(reviews)))
            sleep(random.uniform(1, 2))
            # 定义空列表用于存放数据
            user_name_list = []  # 评论者昵称
            star_list = []  # 评论星级
            time_list = []  # 评论时间
            ip_list = []  # 评论者ip属地
            vote_list = []  # 有用数
            content_list = []  # 评论内容
            for review in reviews:
                # 评论者昵称
                user_name = review.find('span', {'class': 'comment-info'}).find('a').text
                user_name_list.append(user_name)
                # 评论星级
                star = review.find('span', {'class': 'comment-info'}).find_all('span')[1].get('class')
                star = trans_star(star)
                star_list.append(star)
                # 评论时间
                time2 = review.find('span', {'class': 'comment-time'}).text.strip()
                print('评论时间:', time2)
                time_list.append(time2)
                # 评论者IP属地
                ip = review.find('span', {'class': 'comment-location'}).text
                ip_list.append(ip)
                # 有用数
                vote = review.find('span', {'class': 'votes vote-count'}).text
                vote_list.append(vote)
                # 评论内容
                content = review.find('span', {'class': 'short'}).text
                content = content.replace(',', ',').replace(' ', '').replace('\n', '').replace('\t', '').replace('\r', '')
                content_list.append(content)
            df = pd.DataFrame(
                {
                    '页码': page,
                    '评论者昵称': user_name_list,
                    '评论星级': star_list,
                    '评论时间': time_list,
                    '评论者IP属地': ip_list,
                    '有用数': vote_list,
                    '评论内容': content_list,
                }
            )
     
            #orient = 'records', 表示将DateFrame的数据转换成我想要的json格式
            data_json = df.to_dict(orient='records')
     
            for dt in data_json:
                print(dt)
                sql = 'insert into douban_data values ("%s","%s","%s","%s","%s","%s","%s")' % (
                dt['页码'], dt['评论者昵称'], dt['评论星级'], dt['评论时间'], dt['评论者IP属地'], dt['有用数'],
                dt['评论内容'])
                cursor.execute(sql)  # 执行语句
                db.commit()
     
            # 设置csv文件表头
            if os.path.exists(result_file):
                header = False
            else:
                header = True
            # 保存到csv文件
            df.to_csv(result_file, mode='a+', header=header, index=False, encoding='utf_8_sig')
            print('文件保存成功:', result_file)
            # 定义sql语句
            sql = 'insert into douban_data values ("%s","%s","%s","%s","%s","%s","%s")' % ("num", "name", "pingfen", "mingju", "mingju", "mingju", "mingju")  #将后面括号里改为对应字段
            cursor.execute(sql)  # 执行语句
            db.commit()
     
    if __name__ == '__main__':
        # 定义数据库
        # host:地址    potr:端口     user:用户名    password:密码     db:数据库名     charset:编码
        db = pymysql.connect(host="localhost", port=3306, user="root", password="********", db="douban", charset="utf8mb4")
        cursor = db.cursor()  # 创建游标
     
        # 电影id
        movie_id = '35556001'
        # 最大爬取页
        max_page = 1  # 最大为30页
        # 保存文件名
        result_file = '豆瓣短评_{}_前{}页.csv'.format(movie_id, max_page)
        # 如果csv文件存在,先删除之
        if os.path.exists(result_file):
            os.remove(result_file)
            print('结果文件存在,已删除: {}'.format(result_file))
        # 循环爬取短评
        get_short(movie_id)
     
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    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 1
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