Python爬取猫眼电影TOP100榜
兴趣点:
这个没什么特别的兴趣,只是单纯爬猫眼练手的人太多了,所以我也打算加入他们,对猫眼员工说一声不好意思了,哈哈哈!
爬取网址:
传送门:https://maoyan.com/board/4
爬虫大体思路及方法:
大体思路:
(1)TOP100榜共10页,每页10部电影,他们的文本和电影专页链接就是我们的目标
(2)我们先把这10页网页的URL链接获取出来,放到一个列表里
(3)利用循环读取每个网页中的每个电影的相关信息(姓名,主演,上映时间,链接),读入一个列表,直接写入txt文件
方法:
(1)页面获取方法:getHTMLText(url)
(2)把10页网页的URL存入列表:fillList(url,pagelist)
(3)获取并保存相关信息:getAndSave(pagelist,path)
参数解读:
(1)pagelist:存储10页网页的URL的列表
(2)path:本地存储路径
部分细节讲解:
(1)我这两天可能是爬猫眼的次数有点多了,IP被限制了,访问会弹出“美团验证”,这样我的爬虫就访问不到目标网页了(;′⌒`),网上找到的方法就是在headers里加一个Cookie:
(2)页面规律:可以发现第一页是?offset=0
真实url获取:
url = "https://maoyan.com/board/4?offset="
for i in range(10): #共10页
new_url = url + "{}".format(i*10)
(3)txt文件打开我放在了循环的外面,感觉