[Python 爬虫]爬取豆瓣官网电影名称、评分、简介等信息

  • 黑框程序效果截图:

在这里插入图片描述

  • 应用到QQ机器人效果截图:
    在这里插入图片描述
  • 黑框程序代码:
from selenium import webdriver
from lxml import html
from PIL import Image
from selenium.webdriver.support.select import Select
from lxml import etree
import requests
import re
import urllib
import time
import cv2
import pytesseract
import socket
import numpy as np

Url_Get_MovieID = 'https://movie.douban.com/j/subject_suggest?q='
Url_DouBan = 'https://movie.douban.com/subject/'

def MidString(content,startStr,endStr):                     
    startIndex = content.index(startStr)                    
    if startIndex>=0:                                       
        startIndex += len(startStr)                         
        endIndex = content.index(endStr)                    
        return content[startIndex:endIndex]                 

def html():
    Movie_Name = input("电影名字:")
    #伪装成浏览器访问,直接访问的话会拒绝
    user_agent = 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)'
    headers = {'User-Agent':user_agent}
    r_1 = requests.get(Url_Get_MovieID + Movie_Name,headers=headers)
    JSON = str(r_1.json)
    GetTxt = r_1.text
    #定义正则,目的是从html中提取想要的信息
    str_title = '"title":"' + Movie_Name + '"'  
    Get_Name = re.search(str_title,GetTxt)
    str_id = '"id":"'+ '[0-9]*'
    Get_Id = re.search(str_id,GetTxt)
    if Get_Name == None and Get_Id == None:
        print("?????????")
    else:
        ID = MidString(str(Get_Id),"id\":\"","'>")
        r_2 = requests.get(Url_DouBan + ID,headers=headers)
        s_1 = etree.HTML(r_2.text)
        #xpath的自动生成路径
        Movie_Called = s_1.xpath('/html/body/div[3]/div[1]/h1/span[1]/text()')
        print(Movie_Called[0])
        Movie_Score = s_1.xpath('//*[@id="interest_sectl"]/div[1]/div[2]/strong/text()')
        print(Movie_Score[0])
        Movie_Inter = s_1.xpath('//*[@id="link-report"]/span[1]/span/text()[1]')#钢铁侠    
        if len(Movie_Inter) == 0:
            print("11111")
                                        #//*[@id="link-report"]/span/text()#黑水
            Movie_Inter = s_1.xpath('//*[@id="link-report"]/span[1]/text()[1]')#流浪地球  
            if len(Movie_Inter) == 0:
                print("??????????????????")
            else:
                print(Movie_Inter[0].lstrip())
        else:
            print("22222")
            print(Movie_Inter[0].lstrip())



if __name__ == "__main__":
    #SATRT()
    html()






  • 3
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    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
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