python 使用scrapy框架爬取80s电影网电影

**思路来自喝口水先**近期的一篇博客
本篇博客适合小白巩固scrapy的使用
scrapy是python非常厉害的一个框架，说实话学了一段时间没有学太明白，视频可以看mooc的嵩天老师的爬虫课程，讲的非常不错，看完之后对scrapy的理解会更加深刻。
本篇博客主要用到了xpath和xpath helper

网页分析

80s电影网链接
首先链接点进去之后，页面会显示出25部电影，我们需要在这个页面找出并拼接出这25部电影的url，然后就是for循环执行重复的操作。
我们随便点开几部电影会发现每个电影的url只有后面一串数字不一样，通过分析用xpath我们可以找到，如图：

源码

我们有了电影url后，就可以提取我们所需要的信息了
items页面

# -*- coding: utf-8 -*-
# Define here the models for your scraped items
#
# See documentation in:
# https://docs.scrapy.org/en/latest/topics/items.html
import scrapy
class EightsMovieItem(scrapy.Item):
    # define the fields for your item here like:
    # name = scrapy.Field()
    #电影名称
    name = scrapy.Field()
    #演员
    actor = scrapy.Field()
    #电影的下载链接，可以直接下载
    movie_link = scrapy.Field()
    #图片链接
    image_link = scrapy.Field()
    #电影上映日期
    date = scrapy.Field()
    #电影时长
    time_long = scrapy.Field()
    #电影评分
    score = scrapy.Field()
    #电影简介
    introduce = scrapy.Field()

settings页面
主要是加上USER_AGENT其他的大部分是注释就不上代码了
其他的有好多我还没学
spider页面

# -*- coding: utf-8 -*-
import scrapy
from eights_movie.items import EightsMovieItem
from lxml import etree

class MovieSpider(scrapy.Spider):
    name = 'movie'
    #爬取的地址
    start_urls = ['http://www.y80s.com/movie/list']
    def parse(self, response):
        #xpath获取每个电影url的最后一段数字
        movie_urls =response.xpath("//ul[@class='me1 clearfix' ]/li/a/@href")
        for movie_url in movie_urls:
            #拼接成url生成器返回给回调函数
            movie_url = 'http://www.y80s.com/movie/' + str(movie_url.extract()).replace("/movie/","")
            yield scrapy.Request(movie_url,callback=self.parse_movie)
        for i in range(2,3):
            url = 'http://www.y80s.com/movie/list/-----p{}'.format(i)
            yield scrapy.Request(url, callback=self.parse)

    def parse_movie(self,response):
        movie_item = EightsMovieItem()
        #xpath获取电影名称
        movie_item['name'] = str(response.xpath('//*[@id="minfo"]/div[2]/h1/text()').
                                 extract()[0]).replace(" ","").replace("\t","").replace("\n","")[:-6]
        #获取电影类型
        movie_item['actor'] = response.xpath('//div[@class="clearfix"]/span/a/text()').extract()[:3]
        #电影下载链接
        movie_item['movie_link'] = str(response.xpath('//span[@class="xunlei dlbutton3"]/a/@href').extract()[0])
        #电影宣传图片
        movie_item['image_link'] = str(response.xpath('//div[@class="img"]/img/@src').extract()[0])
        #获取上映日期
        movie_item['date'] = response.xpath('//div[@class="clearfix"]/span/text()').extract()[-3:-2][0].strip()
        #获取电影时长
        movie_item['time_long'] = response.xpath('//div[@class="clearfix"]/span/text()').extract()[-2:-1][0].strip()
        #获取电影评分
        movie_item['score'] = response.xpath('//div[@style="float:left; margin-right:10px;"]/text()').extract()[1].strip()
        #获取电影简介
        movie_item['introduce'] = str(response.xpath('//span[@id="movie_content"]/text()').extract()[0]).replace("\xa0 ","")
        yield movie_item

写入csv文件
命令行输入 scrapy crawl name -o xxx.csv就行
name是你的爬虫的名字，xxx是你要保存csv的名字

写入mongodb数据库
自己探索一下吧也不难

结语

这篇博客非常简单不涉及任何反爬，非常适合刚学完scrapy小试牛刀。