豆瓣爬虫 详情页保存成Excel

需求爬取豆瓣电影详情页详细数据。
在这里插入图片描述
排名
链接
电影名
主演
评分
评价人数
年份
类型
制片国家/地区
导演
语言
上映日期
片长
简介
在这里插入图片描述
源码如下:

import requests, json, openpyxl
from lxml import etree

wb = openpyxl.Workbook()
sheet = wb.active
sheet_name = ['排名',
              '链接',
              '电影名',
              '主演',
              '评分',
              '评价人数',
              '年份',
              '类型',
              '制片国家/地区',
              '导演',
              '语言',
              '上映日期',
              '片长',
              '简介', ]
sheet.append(sheet_name)
cookies = {
    'bid': 'T1pobNIY2xA',
    '_pk_ses.100001.4cf6': '*',
    'ap_v': '0,6.0',
    '__utma': '30149280.46113801.1609672274.1609672274.1609672274.1',
    '__utmb': '30149280.0.10.1609672274',
    '__utmc': '30149280',
    '__utmz': '30149280.1609672274.1.1.utmcsr=(direct)|utmccn=(direct)|utmcmd=(none)',
    'll': '108306',
    '__gads': 'ID=9e971e9c816e8aaf-223428846fc50036:T=1609672817:RT=1609672817:S=ALNI_MbmGrmVOFv7ZU2C7adncg96wVYIiA',
    '_vwo_uuid_v2': 'D72C5CC24844EA6AE251E23BA45ED89E2|016333adb19ffc86280dfa34d395f363',
    '__yadk_uid': 'mYyQ8d9QTNklGOSDl4hvt8aOrtzHZtb2',
    '_pk_id.100001.4cf6': '737624c4b4767a89.1609672273.1.1609673262.1609672273.',
}

headers = {
    'Connection': 'keep-alive',
    'Accept': '*/*',
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.88 Safari/537.36 Edg/87.0.664.66',
    'X-Requested-With': 'XMLHttpRequest',
    'Sec-Fetch-Site': 'same-origin',
    'Sec-Fetch-Mode': 'cors',
    'Sec-Fetch-Dest': 'empty',
    'Referer': 'https://movie.douban.com/typerank?type_name=%E5%89%A7%E6%83%85%E7%89%87&type=11&interval_id=100:90&action=',
    'Accept-Language': 'zh-CN,zh;q=0.9,en;q=0.8,en-GB;q=0.7,en-US;q=0.6',
}
interval_id = ["19:10" ]
# interval_id = ['100:90', '90:80', '80:70', '70:60', '60:50', '50:40', '40:30', '30:20', '20:10', '10:0', ]
for id in interval_id:
    params = (
        ('type', '11'),
        ('interval_id', id),
        ('action', ''),
        ('start', '0'),
        ('limit', '1000'),
    )

    response = requests.get('https://movie.douban.com/j/chart/top_list', headers=headers, params=params,
                            cookies=cookies)

    js = json.loads(response.text)
    print(len(js))

    for i in js:
        print('+' * 90)
        print(f'爬取第{js.index(i)}个')
        # 排名
        paiming = i['rank']

        # 电影名
        dianyingname = ''.join(i['title'])

        # 主演
        zhuyan = ' / '.join(i['actors'])

        # 评分
        pingfen = ''.join(i['score'])

        # 年份
        nianfen = ''.join(i['release_date'])

        # 类型
        leixing = ' / '.join(i['types'])

        # 制片国家/地区
        diqu = ''.join(i['regions'])

        # 评价人数
        pingjiarenshu = i['vote_count']

        # url详细页
        url_xiangxiye = ''.join(i['url'])
        print(url_xiangxiye)
        # 请求网页
        res = requests.get(url_xiangxiye, headers=headers, cookies=cookies)

        # 分析网页
        html = etree.HTML(res.text)

        # 打印上一页面信息
        print('排  名\t', paiming)
        print('电影名\t', dianyingname)
        print('主  演\t', zhuyan)
        print('评  分\t', pingfen)
        print('年  份\t', nianfen)
        print('类  型\t', leixing)
        print('制片国家/地区\t', diqu)
        print('评价人数\t', pingjiarenshu)
        # 进行定位取值
        # 导演
        daoyan = ''.join(html.xpath('//div[@id="info"]/span[1]/span[@class="attrs"]/a/text()'))
        print('导  演\t', daoyan)

        # 编剧
        bianju = ' / '.join(html.xpath('//div[@id="info"]/span[2]/span[@class="attrs"]/a/text()'))
        print('编  剧\t', bianju)

        # 语言
        for i in range(0, 20):
            yuyan1 = ''.join(html.xpath(f'//*[@id="info"]/text()[{i}]'))
            # print(yuyan1)
            if '语' in yuyan1:
                yuyan = ''.join(html.xpath(f'//*[@id="info"]/text()[{i}]'))
        else:
            print('语  言\t', yuyan)

        # 上映日期
        for i in range(1, 20):
            shangyingriqi1 = ''.join(html.xpath(f'//*[@id="info"]/span[{i}]/text()'))
            if '上映日期' in shangyingriqi1:
                shangyingriqi = ''.join(html.xpath(f'//*[@id="info"]/span[{i + 1}]/text()'))
                break
        try:
            print(shangyingriqi)
        except NameError:
            shangyingriqi = '无'

        # 片长
        for i in range(1, 20):
            pianchang1 = ''.join(html.xpath(f'//*[@id="info"]/span[{i}]/text()'))
            if '片长' in pianchang1:
                pianchang = ''.join(html.xpath(f'//*[@id="info"]/span[{i + 1}]/text()'))
        try:
            print('片  长\t', pianchang)
        except NameError:
            pianchang = '无'

        # 简介
        jianjie = ''.join(html.xpath('//span[@property="v:summary"]/text()')).replace('  ', '').replace('\n',
                                                                                                        '').replace(
            '\u3000', '')
        print('简  介\t', jianjie)
        shuju = [paiming,
                 url_xiangxiye,
                 dianyingname,
                 zhuyan,
                 pingfen,
                 pingjiarenshu,
                 nianfen,
                 leixing,
                 diqu,
                 bianju,
                 yuyan,
                 shangyingriqi,
                 pianchang,
                 jianjie, ]
        sheet.append(shuju)
        wb.save('shuju.xlsx')
print('程序运行完毕')
  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 2
    评论

“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 2
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