BeautifulSoup爬取豆瓣电影Top250

任务要求：

爬取豆瓣电影Top250的电影名、评分、短评、评分人数等信息

---

通过博客对beautifulSoup4的简单介绍，现在开始实战啦，没有看过的，可以先看看

• Python网络爬虫基础–BeautifulSoup
• 使用selenium定位获取标签对象并提取数据
• 利用selenium爬取数据总结

推荐阅读：

1. 使用xpath爬取数据
2. jupyter notebook使用
3. BeautifulSoup爬取豆瓣电影Top250
4. 一篇文章带你掌握requests模块
5. Python网络爬虫基础–BeautifulSoup

直接上代码

# -*- coding: utf-8 -*-
"""
Created on Mon Dec 22 12:03:06 2020

@author: kun
"""


import requests
from bs4 import BeautifulSoup
import pandas as pd
from fake_useragent import UserAgent
ua = UserAgent()

headers = {
'user-agent': ua.random,
'Host': 'movie.douban.com'
}


def get_movies():

    movie_list = []
    for i in range(0,10):
        link = 'https://movie.douban.com/top250?start=' + str(i * 25)
        r = requests.get(link, headers=headers, timeout= 10)
        
        soup = BeautifulSoup(r.text, "lxml")
        div_list = soup.find_all('div', class_='info')
        for each in div_list:
            title = each.find('div', class_='hd').a.span.text.strip()
            info = each.find('div', class_='bd').p.text.strip()
            info = info.replace("\n", " ").replace("\xa0", " ")
            info =  ' '.join(info.split())
            rating = each.find('span', class_='rating_num').text.strip()
            num_rating = each.find('div', class_='star').contents[7].text.strip()
            try:
                quote = each.find('span', class_='inq').text.strip()
            except:
                quote = ""
            
            movie_list.append([title, info, rating, num_rating, quote])
        df = pd.DataFrame(movie_list,columns=['电影名称', '信息', '评分', '评价人数', '短评'],index=None)
      
        
        
        df.to_csv("douban.csv")
    return movie_list
        
movies = get_movies()
print (movies)
    

到这里就结束了，如果对你有帮助你，欢迎点赞关注，你的点赞对我很重要