豆瓣电影网页分析

#!/usr/bin/env python
# -*- coding:utf-8 -*-

import requests
from bs4 import BeautifulSoup
from pathlib import Path
import json


headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/'
                  '537.36 (KHTML, like Gecko) Chrome/103.0.0.0 Safari/537.36'
}


def get_movie_info(start):
    url = f'https://movie.douban.com/top250?start={start}'
    response = requests.get(url, headers=headers, timeout=10)
    # with open('douban.html', 'w', encoding='utf-8') as f:
    #     f.write(response.text)
    # html = response.text.encode('utf-8')
    html = response.text
    return html


def parse_movie_info(html):
    soup = BeautifulSoup(html, 'lxml')
    # 获取class为grid_view的<ol>标签
    ol = soup.find('ol', class_='grid_view')
    # 获取<ol>标签下的所有<li>标签
    lis = ol.find_all('li')
    res = []
    for li in lis:
        try:
            info = li.find('div', class_='info')
            # 电影标题
            title = info.find('span', class_='title').text.strip()
            # 链式调用,获取电影图片的URL
            # 可以通过get方法从标签对象中获取对应属性的内容,这里从<'img'>标签中获取
            # src属性中的值,即图片的URL
            img_url = li.find('div', class_='pic').find('img').get('src')
            save_image(title, img_url)
            background = info.find('div', class_='bd').text.strip()
            star = info.find('span', class_='rating_num').text.strip()
            desc = info.find('span', class_='inq').text.strip()
            data = {
                'img': img_url,
                'title': title,
                'background': background,
                'star': star,
                'desc': desc
            }
            res.append(data)
            print(f'{title}获取完成')
        except Exception as e:
            print(e)
    return res


def save_image(name, url):
    # 保存图片
    # 请求图片
    r = requests.get(url, headers=headers, timeout=10)
    dirpath = Path('./images')
    if not dirpath.is_dir(): # 如果不是目录,则表明当前目录不存在
        dirpath.mkdir(parents=True)
    img = dirpath.joinpath(f'{name}.png')
    with open(img, 'wb') as f:
        # 将图片数据以二进制信息写入
        f.write(r.content)


if __name__ == '__main__':
    data = []
    for i in range(0, 250, 25):
        html = get_movie_info(i)
        res = parse_movie_info(html)
        data.extend(res)
    with open('movies.json', 'w', encoding='utf-8') as f:
        content = json.dumps(data, ensure_ascii=False, indent=4)
        f.write(content)

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    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
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