import requests
import json
from pprint import pprint
import jsonpath
class DouBanSpider():
"""豆瓣热门页电影 爬虫"""
def __init__(self):
"""初始化操作"""
self.url = 'https://movie.douban.com/j/search_subjects'
self.headers = {
"User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_5) AppleWebKit/537.36 \
(KHTML, like Gecko) Chrome/76.0.3809.100 Safari/537.36"
}
self.number = 1 # 爬取的数量
def run(self, pages):
"""启动爬虫"""
# 参数1:要从第几个数据开始爬
# 参数2:到第几个数据结束
# 参数3:因为每次增加的数据是20个 所以步长20
for page in range(0, pages * 20, 20):
resp = requests.get(
url=self.url.format(page),
headers=self.headers,
# 请求参数
params={
"type": "movie",
"tag": "热门",
"sort": "recommend",
"page_limit": "20",
"page_start": page
}
)
# 返回的数据是一个json数据, 转成字典格式
result = json.loads(resp.text)
# pprint(result) # pprint让控制台打印更好看
result = result['subjects']
for movie in result:
print("数量:{}---标题:{}--评分:{}--地址:{}". # <---这里有个点 一行太长了
format(self.number, movie['title'], movie['rate'], movie['url']))
self.number += 1
if __name__ == '__main__':
client = DouBanSpider()
# 要爬几页数据 就写多少页 下面是爬两页数据
client.run(2)
爬取 豆瓣热门页 电影
最新推荐文章于 2023-09-26 12:04:57 发布