imdb文本爬取及数据清理

本文档介绍了如何爬取imdb电影数据,并进行了数据清洗,最后通过分析得出了出现频率最高的前十电影类别。
摘要由CSDN通过智能技术生成

imdb电影爬取代码

import requests
from bs4 import BeautifulSoup
import pandas as pd
import time
import numpy as np
import random

def bs_dealing(bs):
    movies_lst = []
    global page
    for movie in bs.findAll('div', {'class': 'lister-item-content'}):
        title = movie.find('a').string
        year = movie.find('span', {
            'class': 'lister-item-year text-muted unbold'
        }).string
        genres = movie.find('span', 'genre').string
        genres = genres.strip('\n').strip()
        # 控制网页返回的错误,runtime是否为空,以免数据无法正常写入
        if movie.find('span', 'runtime') is not None:
            runtime = movie.find('span', 'runtime').string
        else:
            runtime = 0
        rating = movie.find('div', {
            'class': "inline-block ratings-imdb-ra
  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
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

打赏作者

qq_46513835

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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