python3爬虫学习之lxml与xpath实战爬取豆瓣热映

做个爬取最近豆瓣热映电影的爬虫,巩固所学,用lxml解析和xpath提取规则

from lxml import etree
import requests

headers = {
    "User-Agent" : "Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) "
                   "AppleWebKit/537.36 "
                   "(KHTML, like Gecko) Chrome/72.0.3626.121 Mobile Safari/537.36",
    "Referer" : "https://movie.douban.com/cinema/nowplaying/zhumadian/"
}
url = "https://movie.douban.com/cinema/nowplaying/zhumadian/"
# 1 抓取豆瓣热映网页
def get_file():
    response = requests.get(url , headers=headers)
    text = response.text
    return text

# 2 处理抓取页面,获取需要信息
def p_file(text):
    html = etree.HTML(text)
    ul = html.xpath("//ul[@class='lists']")[0]
    lis = ul.xpath("./li")
    movies =[]
    for li in lis:
        title = li.xpath("@data-title")
        score = li.xpath("@data-score")
        region = li.xpath("@data-region")
        director = li.xpath("@data-director")
        actors = li.xpath("@data-actors")

        movie ={
            "电影" : title,
            "评分" : score,
            "产地" : region,
            "导演" : director,
            "演员" : actors
        }

        movies.append(movie)

    for movie in movies:
        print(movie)

if __name__ == '__main__':
    text = get_file()
    p_file(text)

下面是运行结果

多分析网页,代码条理还算清晰,一起交流学习,不断优化

  • 2
    点赞
  • 1
    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