Python爬取豆瓣Top250
直接上代码!
本人还是一个小萌新,所以有些代码还是存在些问题,比如下载后的图片的格式不是.jpg等等
期待大佬可以指点一下
代码基本都有注释,所以还是很好理解的!
from selenium import webdriver
import requests
import time
import os
url = 'https://movie.douban.com/top250'
driver = webdriver.Chrome('C:\chromedriver_win32\chromedriver.exe')
driver.get(url)
file1 = open(r"C:\Users\18321\Desktop\2020Python\DouBanTop250Name.txt","w")
path=r'C:\Users\18321\Desktop\2020Python'
#保存图片的文件夹名称及路径
dir_name = './DouBanTop250Picture'
#os包创建一个文件夹
if not os.path.exists(dir_name):
os.mkdir(path+dir_name)
#通过for循环网页,保存所以的信息
for x in range(10):
#找到图片名字保存信息的位置,通过xpath保存
lis = driver.find_elements_by_xpath('//ol[@class="grid_view"]/li')
#所以的信息都保存到了xpath,在用循环去找里面的信息
for li in lis:
#名称保存在一个属性为title的span盒子里
span = li.find_elements_by_xpath('.//span[@class="title"]')[0]
#转换为文本信息
title = span.text
print(title)
#将名称保存的指定的txt文档中再换行
file1.write(title+'\r\n')
file1.close
#图片链接保存在了一个属性为pic的div内
img = li.find_element_by_xpath('.//div[@class="pic"]//img')
src = img.get_attribute('src')
# print(src)
picture_name = src.split('/')[-1]
reponse = requests.get(src)
#通过os和with open 将图片保存到一个文件夹内
with open(dir_name+'/'+picture_name,'wb') as f:
f.write(reponse.content)
#模拟鼠标点击,进入下一页
next = driver.find_elements_by_xpath('//span[@class="next"]/a')
if len(next)>0:
next[0].click()
#等待下一页加载完成,休眠时间为1s
time.sleep(1)
driver.quit()