对豆瓣进行爬虫来获取相关数据（分别保存到Excel表格和sqlite中）

1.存入Excel表格的代码：

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,urllib.parse  #制定URL，获取网页数据
import xlwt  #进行excel操作
import sqlite3 #进行SQLLite数据库操作




def main():
    baseurl="https://movie.douban.com/top250?start="
    #1.爬取网页
    datalist=getData(baseurl)
    savepath="豆瓣电影Top250.xls"
    #3.保存数据
    saveData(datalist,savepath)
    askURL("https://movie.douban.com/top250?start=")
#影片详情链接的规则
findLink = re.compile(r'<a href="(.*?)">')  #创建正则表达式，表示规则（字符串的模式）
#影片图片
findImgSrc = re.compile(r'<img.*src="(.*?)"',re.S)#re.S让换行符出现在字符中
#影片片名
findTitle = re.compile(r'<span class="title">(.*)</span>')
#影片评分
findRating = re.compile(r'<span class="rating_num" property="v:average">(.*)</span>')
#观看人数
findJudge = re.compile(r'<span>(\d*)人评价</span>')
#找到概况
findInq = re.compile(r'<span class="inq">(.*)</span>')

#找到影片的相关内容
findBd = re.compile(r'<p class="">(.*?)</p>',re.S)

#爬取网页
def getData(baseurl):
    datalist=[]
    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)
    #2.逐一解析数据
        soup =BeautifulSoup(html,"html.parser")#形成树形结构
        for item in soup.find_all('div',class_="item"): #查找符合要求的字符串，形成列表
            data = [] #保存一部电影的所有信息
            item = str(item)
            #link获取到影片详情
            link = re.findall(findLink,item)[0]   #re库用来通过正则表达式查找指定的字符串
            data.append(link)
            imgSrc = re.findall(findImgSrc,item)[0]
            data.append(imgSrc)#添加图片
            titles = re.findall(findTitle,item) #
            if(len(titles) == 2):
                ctitle = titles[0]              #添加中文名
                data.append(ctitle)
                otitle = titles[1].replace("/","")      #添加外国名
                data.append(otitle)
            else:
                data.append(titles[0])
                data.append(' ')#外国名留空
            rating = re.findall(findRating,item)[0]
            data.append(rating)#添加评分
            judgeNum = re.findall(findJudge,item)[0]
            data.append(judgeNum)#添加评价人数
            inq = re.findall(findInq,item)
            if len(inq) != 0:
                inq = inq[0].replace("。","")    #去掉句号
                data.append(inq)#添加概述
            else:
                data.append(" ")        #留空
            # data.append(inq)
            bd = re.findall(findBd,item)[0]
            bd = re.sub('<br(\s+)?/>(\s+)?',"",bd)       #去掉<br/>
            bd = re.sub('/'," ",bd)         #替换
            data.append(bd.strip())             #去掉前后空格
            datalist.append(data) #处理好的一部电影信息

    print(datalist)
    return datalist
#得到指定一个URL的网页内容
def askURL(url):
    head = {
        "user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.163 Safari/537.36"
    }
    request = urllib.request.Request(url,headers=head)
    html=""
    try:
        response = urllib.request.urlopen(request)
        html = response.read().decode("utf-8")
        # print(html)
    except urllib.error.URLError as e:
        if hasattr(e,"code"):
          print(e.code)
        if hasattr(e,"reason"):
          print(e.reason)
    return html


#保存数据
def saveData(datalist,savepath):
    print("save,,,,")
    book = xlwt.Workbook(encoding="uft-8",style_compression=0)  # 创建workbook对象
    sheet = book.add_sheet("sheet1",cell_overwrite_ok=True)  # 创建工作表
    col = ("电影详情连接","图片链接","影片中文名","影片外国名","评分","评价人数","概况","相关信息")
    for i in range(0,8):
        sheet.write(0,i,col[i]) #列名
    for i in range(0,250):
        print("第%d条"%i)
        data = datalist[i]
        for j in range(0,8):
            sheet.write(i+1,j,data[j])   #数据
    book.save(savepath)  # 保存数据表


if __name__ == "__main__": #当程序执行时
    main()
    print("爬取完毕")

最终结果（excel表格）：

2.利用sqlite数据库进行存取

sqlite数据库连接的常用语句

import sqlite3#建立数据库
conn = sqlite3.connect("test.db")  #打开或创建数据库文件
print("Opened database successfully")
c = conn.cursor()       #获取游标

 sql = '''需要填写的SQL语句
 '''

c.execute(sql)     #执行SQL语句
conn.commit()      #提交数据库操作
conn.close()       #关闭数据库

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,urllib.parse  #制定URL，获取网页数据
import xlwt  #进行excel操作
import sqlite3 #进行SQLLite数据库操作




def main():
    baseurl="https://movie.douban.com/top250?start="
    #1.爬取网页
    datalist=getData(baseurl)
    #设置保存路径 dbpath为保存到sqlite中，savepath保存到Excel表格
    dbpath ="moive.db"
    #savepath="豆瓣电影Top250.xls"
    #3.保存数据  saveData(datalist,savepath)保存到Excel表格，
    #saveData(datalist,savepath)

    saveData2(datalist,dbpath)
    askURL("https://movie.douban.com/top250?start=")
#影片详情链接的规则
findLink = re.compile(r'<a href="(.*?)">')  #创建正则表达式，表示规则（字符串的模式）
#影片图片
findImgSrc = re.compile(r'<img.*src="(.*?)"',re.S)#re.S让换行符出现在字符中
#影片片名
findTitle = re.compile(r'<span class="title">(.*)</span>')
#影片评分
findRating = re.compile(r'<span class="rating_num" property="v:average">(.*)</span>')
#观看人数
findJudge = re.compile(r'<span>(\d*)人评价</span>')
#找到概况
findInq = re.compile(r'<span class="inq">(.*)</span>')

#找到影片的相关内容
findBd = re.compile(r'<p class="">(.*?)</p>',re.S)

#爬取网页
def getData(baseurl):
    datalist=[]
    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)
    #2.逐一解析数据
        soup =BeautifulSoup(html,"html.parser")#形成树形结构
        for item in soup.find_all('div',class_="item"): #查找符合要求的字符串，形成列表
            data = [] #保存一部电影的所有信息
            item = str(item)
            #link获取到影片详情
            link = re.findall(findLink,item)[0]   #re库用来通过正则表达式查找指定的字符串
            data.append(link)
            imgSrc = re.findall(findImgSrc,item)[0]
            data.append(imgSrc)#添加图片
            titles = re.findall(findTitle,item) #
            if(len(titles) == 2):
                ctitle = titles[0]              #添加中文名
                data.append(ctitle)
                otitle = titles[1].replace("/","")      #添加外国名
                data.append(otitle)
            else:
                data.append(titles[0])
                data.append(' ')#外国名留空
            rating = re.findall(findRating,item)[0]
            data.append(rating)#添加评分
            judgeNum = re.findall(findJudge,item)[0]
            data.append(judgeNum)#添加评价人数
            inq = re.findall(findInq,item)
            if len(inq) != 0:
                inq = inq[0].replace("。","")    #去掉句号
                data.append(inq)#添加概述
            else:
                data.append(" ")        #留空
            # data.append(inq)
            bd = re.findall(findBd,item)[0]
            bd = re.sub('<br(\s+)?/>(\s+)?',"",bd)       #去掉<br/>
            bd = re.sub('/'," ",bd)         #替换
            data.append(bd.strip())             #去掉前后空格
            datalist.append(data) #处理好的一部电影信息

    #print(datalist) #打印保存的数据
    return datalist
#得到指定一个URL的网页内容
def askURL(url):
    head = {
        "user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.163 Safari/537.36"
    }
    request = urllib.request.Request(url,headers=head)
    html=""
    try:
        response = urllib.request.urlopen(request)
        html = response.read().decode("utf-8")
        # print(html)
    except urllib.error.URLError as e:
        if hasattr(e,"code"):
          print(e.code)
        if hasattr(e,"reason"):
          print(e.reason)
    return html


#保存数据
def saveData(datalist,savepath):
    print("save,,,,")
    book = xlwt.Workbook(encoding="uft-8",style_compression=0)  # 创建workbook对象
    sheet = book.add_sheet("sheet1",cell_overwrite_ok=True)  # 创建工作表
    col = ("电影详情连接","图片链接","影片中文名","影片外国名","评分","评价人数","概况","相关信息")
    for i in range(0,8):
        sheet.write(0,i,col[i]) #列名
    for i in range(0,250):
        print("第%d条"%i)
        data = datalist[i]
        for j in range(0,8):
            sheet.write(i+1,j,data[j])   #数据
    book.save(savepath)  # 保存数据表

def saveData2(datalist,dbpath):
    init_db(dbpath)
    conn = sqlite3.connect(dbpath)
    cur = conn.cursor()


    for data in datalist:
        for index in range(len(data)):
            if index == 4 or index == 5:
                continue
            data[index] = '"'+data[index]+'"'
        sql = '''
        insert into movie250(
        info_link,pic_link,cname,ename,sorce,rated,instroduction,info)
        values(%s)
        '''%",".join(data)
        print(sql)
        cur.execute(sql)
        conn.commit()

    cur.close()
    conn.close()
    print("....")

def init_db(dbpath):
    sql = '''
    create table movie250
    (id integer primary key autoincrement,
    info_link text,
    pic_link text,
    cname varchar,
    ename varchar,
    sorce numeric,
    rated numeric,
    instroduction text,
    info text
    )
    ''' #创建数据表
    conn = sqlite3.connect(dbpath)#打开或创建数据库文件
    cursor = conn.cursor()
    cursor.execute(sql)
    conn.commit()
    conn.close()


if __name__ == "__main__": #当程序执行时
    main()

    print("爬取完毕")

运行结果：