Python爬虫零基础（以爬豆瓣电影top250为例，尝试自己写爬豆瓣读书top250的代码）

安装编译器
先要准备好一个Python的编译器，就是得能有一个地方去运行你想要读懂的代码，像官方版呐，Anaconda,Pycharm,Eclipse等等。

安装第三方库
安装第三方库，比如需要用到BeautifulSoup这个库（这是可以从HTML或XML文件中提取数据的Python库）

首先打开cmd命令框

BeautifulSoup库名是bs4
下载库文件的命令是：

pip install bs4

输入到cmd里面去

然后回车

看到图中红色方框的Requirement already satisfied: beautifulsoup4 in字样基本就可以了

然后检验一下
在编译器里面输入

from bs4 import BeautifulSoup
print("asd");

能正常输出就证明库的安装没有问题，有警告不要紧（因为我们import了这个库但没有用到它）

还会用到下面这些个库，照上面的步骤安装就成，功能都写在注释里面了

from bs4 import BeautifulSoup  # 网页解析，获取数据
import re  # 正则表达式，进行文字匹配
import urllib.request, urllib.error  # 制定URL，获取网页数据
import xlwt  # 进行excel操作

import requests 

源代码和读代码

我读的代码来源是
作者：码农BookSea
原文链接: https://blog.csdn.net/bookssea/article/details/107309591

我直接把代码复制过来了，他写的时候用了两种方法，一是直接用excel表格体现爬取的数据，二是把数据保存到数据库里面（先没看这个方式，就把对应的代码删了）

读代码的过程上面这个文章讲的很详细了，我就不加以赘述了

# -*- codeing = utf-8 -*-
from bs4 import BeautifulSoup  # 网页解析，获取数据
import re  # 正则表达式，进行文字匹配`
import urllib.request, urllib.error  # 制定URL，获取网页数据
import xlwt  # 进行excel操作
#import sqlite3  # 进行SQLite数据库操作

findLink = re.compile(r'<a href="(.*?)">')  # 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'<span class="title">(.*)</span>')
findRating = re.compile(r'<span class="rating_num" property="v:average">(.*)</span>')
findJudge = re.compile(r'<span>(\d*)人评价</span>')
findInq = re.compile(r'<span class="inq">(.*)</span>')
findBd = re.compile(r'<p class="">(.*?)</p>', re.S)




def main():
    baseurl = "https://movie.douban.com/top250?start="  #要爬取的网页链接
    # 1.爬取网页
    datalist = getData(baseurl)
    savepath = "豆瓣电影Top250.xls"    #当前目录新建XLS，存储进去
    # 3.保存数据
    saveData(datalist,savepath)      #2种存储方式可以只选择一种



# 爬取网页
def getData(baseurl):
    datalist = []  #用来存储爬取的网页信息
    for i in range(0, 10):  # 调用获取页面信息的函数，10次
        url = baseurl + str(i * 25)
        html = askURL(url)  # 保存获取到的网页源码
        # 2.逐一解析数据
        soup = BeautifulSoup(html, "html.pa