【Python爬虫案例】全套爬虫案例+数据可视化项目汇总零基础入门全套爬虫案例-案例五 豆瓣

视频源自B站，讲解得非常好，感谢星越编程，B站视频网址如下：
https://www.bilibili.com/video/BV1zg411A731?p=5
Pycharm源选清华的，比较快

#learner:stupid_gao
#公众号：easycoder
#software:Pycharm
"""
文件说明
    豆瓣top250电影采集
    目标需求：采集top250电影的名称以及对应的豆瓣地址

    思路拆解：
        1 寻找目标数据源
        2 建立链接
        3 获取源码
        4 解析源码
    知识点：
        https://movie.douban.com/top250?参数=参数值&参数=参数值#锚点
        协议：//域名/虚拟路径？参数=参数值&参数=参数值#锚点

        https： 超文本传输协议 一种规范
        movie.douban.com 域名 ----> 方便记忆 ip地址
        /top250 : 虚拟路径
    函数的封装
        定义函数
        def 函数名称（参数）：
            具体代码：def hello(body):
                    print("您好我是你%s"%body)
                        hello("爷爷")
        调用函数
            函数名称
    字符串格式化
        url = "xxxxxxxx{}"
        url.format(替换的内容)
        urls = [url.format(num*25) for num in range(10)]
    通过循环动态生成链表中的内容

"""
#加载库
import requests #建立网络连接的工具
from bs4 import BeautifulSoup as bs #网页解析工具
import time



def get_movie(url):
    """
        豆瓣电影函数
    :param url:
    :return:
    """
    # 反爬虫，请求头
    header = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/100.0.4768.0 Safari/537.36"
    }
    # print(requests.get("https://movie.douban.com/top250",headers=header).text)
    # 通过网址建立链接，并获取源代码源代码
    resp = requests.get(url, headers=header).text
    # 解析源码
    # 将原材料加载到这些工厂
    soup = bs(resp, "html.parser")
    # 解析数据
    # 获取到所有的名字<div class = "hd">的容器
    items = soup.find_all("div", class_="hd")
    # 通过循环依次取出每一个容器
    for i in items:
        # 获取a标签
        tag = i.find("a")
        # 获取电影链接
        link = tag["href"]
        # 获取电影名称
        name = tag.find(class_="title").text
        print("电影名称是%s=====电影地址%s" % (name, link))

#定义基本地址
url = "https://movie.douban.com/top250?start={}"
urls = [url.format(num*25) for num in range(10)]
print(urls)
#动态访问不同的地址
for link in urls:
    get_movie(link)

    time.sleep(5)