python爬虫获取豆瓣top250数据---多线程

import requests
from lxml import etree



class DBSendRequest:
    def __init__(self):
        self.url = ''
        self.headers = {
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/100.0.4896.127 Safari/537.36'
        }

    @property  # 该装饰器将方法变成一个可直接调用的属性
    def sendRequest(self):
        response = requests.get(self.url, headers=self.headers)
        return response

    @sendRequest.setter
    def sendRequest(self, url):
        self.url = url


class DealData(DBSendRequest):
    def indexDealdata(self):
        urls_list = []
        for i in range(0, 250, 25):
            self.sendRequest = f"https://movie.douban.com/top250?start={i}&filter="
            response = self.sendRequest
            text_data = response.content.decode()
            tree = etree.HTML(text_data)
            urls = tree.xpath('//*[@id="content"]/div/div[1]/ol/li[*]/div/div[1]/a/@href')
            urls_list.extend(urls)

        return urls_list

    def pa_qu(self):
        urls = self.indexDealdata()
        # one_th = urls[0:len(urls)]
        # two_th = urls[len(urls):]

        # 构造两个线程
        from concurrent.futures import ThreadPoolExecutor
        thread_poll = ThreadPoolExecutor(max_workers=10)
        for d in urls:
            thread_poll.submit(self.get_data, d)

        thread_poll.shutdown(wait=True)

    def get_data(self, url):
        # 爬取数据
        result = {}
        self.sendRequest = url
        response = self.sendRequest
        text_html = response.content.decode()
        with open('1.html', 'w', encoding='utf-8') as f:
            f.write(text_html)
        tree = etree.HTML(text_html)
        title = tree.xpath('//*[@id="content"]/h1/span[1]/text()')
        douban_score = tree.xpath('//*[@id="interest_sectl"]/div[1]/div[2]/strong/text()')
        for t, d in zip(title, douban_score):
            result = {'电影名': t, '豆瓣评分': d}
        print(result)



if __name__ == '__main__':
    dealdata = DealData()
    dealdata.pa_qu()

  • 2
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
### 回答1: 要爬取豆瓣Top250电影列表,可以使用Python爬虫库如Scrapy或BeautifulSoup来实现。首先需要构造请求获取网页源代码,然后使用解析库解析网页源代码,提取出所需数据。如果需要爬取大量数据,可以考虑使用多线程或分布式爬虫来提高爬取效率。 ### 回答2: 豆瓣是一个广受读者喜爱的网站,凭借其优质的图书、电影和音乐资源,受到了广泛的赞誉。豆瓣的电影排行榜中,豆瓣Top250电影是大家喜欢的精选作品。 然而,要手动获取所有电影的信息就会非常耗时而繁琐。幸运的是,Python爬虫可以轻松解决这个问题。 首先,我们需要清楚自己需要什么信息,比如电影的名称、评分、导演、演员、年份等等。然后,我们需要安装一些Python库,如Requests和BeautifulSoup4,使用这些库来编写我们的Python爬虫代码。 在代码中,我们首先需要向豆瓣服务器发送请求,以获取特定网址的源代码。我们可以使用Requests库来发送HTTP请求,然后将获得的网页源代码传输给BeautifulSoup4的解析器对象,以便获取所需的文本。 在处理完整个网页源代码后,我们通过使用BeautifulSoup4的选择器语法来定位电影信息的位置。然后,我们可以使用Python的正则表达式或字符串操作来提取所需的文本。 在获取电影信息后,我们需要将其保存到本地文件或数据库中,以便后续处理和查询。为此,我们可以使用Python的File I / O或第三方库(如pandas)来实现。 注意:在获取和使用网站上的信息时,请尊重数据所有者的权利。请遵守网站上的有效使用政策并且避免对其进行不当操作。 ### 回答3: 豆瓣是一个非常优秀的电影、图书 and 音乐评论平台,每个人可以在上面发布自己的评论以及对别人的评论进行点赞、评论回复等操作。而豆瓣上的top250,是指评分最高、最受欢迎的250部电影。如果你想获取这些电影的信息、评论以及评分,那么你可以使用Python编写一个豆瓣爬虫。以下是具体实现步骤: 1. 获取网址和请求头 首先你需要在浏览器中打开豆瓣的top250电影页面,然后右键点击鼠标选择“检查”或者“审查元素”。接着选择“network”选项卡,手动刷新页面,即可在右侧窗口看到各种请求的详细信息,包含请求头和url,你需要找到请求头和url,将其复制到你的Python代码中,如下所示: ``` import requests url = 'https://movie.douban.com/top250' headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.82 Safari/537.36'} response = requests.get(url, headers=headers) print(response.text) ``` 通过上述方法,你可以获取豆瓣电影top250的页面源码。 2. 解析网页源码 由于获取的是网页源码,需要使用爬虫框架如BeautifulSoup或scrapy等工具来解析网页内容。 以BeautifulSoup为例,你需要在Python中添加如下代码: ``` from bs4 import BeautifulSoup soup = BeautifulSoup(response.text, 'html.parser') # 找到所有的“ol”元素 ol_elements = soup.find_all('ol') ``` 上面的代码可以获取页面中所有的ol元素,对于电影排名列表的ol元素,可以通过其class属性定位到。下面是代码片段: ``` # 获取排名电影列表的ol元素 movie_ol_element = soup.find_all('ol', class_='grid_view')[0] # 获取每一个li,即每一部电影的信息 movie_li_elements = movie_ol_element.find_all('li') ``` 3. 爬取相关电影信息 接下来就需要对页面中每个电影的信息进行爬取了,每个电影的信息都包含电影名称、导演、演员、评分、简介、封面图片等。 由于爬取的信息较多,这里只演示爬取电影名称、评分、导演和演员信息的代码: ``` movies = [] for movie_li_element in movie_li_elements: # 获取电影名称 movie_name = movie_li_element.find('span', class_='title') if movie_name is None: continue # 获取电影评分 movie_rating = movie_li_element.find('span', class_='rating_num').string # 获取电影导演和演员 movie_info_elements = movie_li_element.find_all('p')[0].find_all('br') movie_director = movie_info_elements[0].next_sibling.strip() movie_actor = movie_info_elements[1].next_sibling.strip() # 将电影信息存储到movies列表中 movies.append({ 'name': movie_name.string, 'rating': movie_rating, 'director': movie_director, 'actor': movie_actor }) ``` 4. 存储爬取数据 最终你需要将爬取到的信息存储到文件中或者写入数据库中,以便后续使用。这里演示将爬取到的电影信息存储到csv文件中,相关代码如下: ``` import csv with open('douban_top250_movies.csv', 'w', newline='', encoding='utf-8') as csvfile: fieldnames = ['name', 'rating', 'director', 'actor'] writer = csv.DictWriter(csvfile, fieldnames=fieldnames) writer.writeheader() for movie in movies: writer.writerow(movie) ``` 至此,一个完整的豆瓣top250爬虫就完成了,你可以根据自己需求调整代码,获取更多电影信息。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值