小白学爬虫--5--爬取热映电影信息

----这次图片依然上传不成功，很难受，就当一篇日记了，下次完善，麻蛋

本次爬虫爬取的是电影网站   http://dianying.2345.com/top/

在这之前，介绍一下soup.find()和soup.find_all()的区别

比如

这是该网站的html的soup结构图，非常清晰，我们需要的电影信息在大标签<ul>下，

然后分成一个一个的<li>标签。

首先使用find()方法，比如寻找<li>标签，只得到了html第一个<li>标签。

而且是单纯的标签形式，而不是以列表的形式列出来的。

对于find_all()方法

返回值是一个list，每一个list元素都是一个<li>标签（可以<li>标签里面还嵌套

着一些其他标签，也就是说包括一些子标签，但是每一个list元素是<li>元素

具体分割见‘，’）

比如电影网站，并列的内容往往是由一个大标签，下面嵌套着许多同样的

标签表示的。

我们在fing特定的标签时候，往往输出一些相关属性的信息，我们如果用find_all

会得到一个列表，而不是直接的tag，比较麻烦，所以定位的时候往往使用

find( )方法。

然后在大标签下，就直接使用find_all()来得到一个list包含所以的并列tag信息，

然后进行提取。

本次爬取需要注意的是对图片的提取。

这是某一个img标签，img标签有两个必须的属性，src和alt，图像内容

被嵌套在src里面。同时，Tag['属性']可以提取出tag的属性值，比如

提取出的src属性值是图片的链接，即将这个url链接在网站中输入，可以得到

如果要获取这个URL的图像信息，我们需要用到requests包，先进行requests操作，

获取一个response对象，response对象有text和content属性。具体操作如下：

我们通过requests获取了一个response对象，response.text返回的是这个对象的

unicode类型的数据，而content返回的是二进制的数据（图片是以二进制的形式保存的）

所以text用于获取对象的文本信息，content用于获取对象的图像信息

然后用with open方法以二进制写入本地即可保存。

例如，从某网站上下载一张图片并且保存到本地：

其中wb+是以二进制的形式，并且如果该文件不存在，则创建文件(文件夹必须存在）

顺便记录一下print➕format的IO方法：

完整代码如下

结果如下：