爬虫一:获取豆瓣图书Top250(Requests+XPath)

目的:

获取豆瓣图书Top250的所有书目信息。
豆瓣网址:https://book.douban.com/top250

代码:
import requests
from lxml import etree
import time

for i in range(10):
    url = 'https://book.douban.com/top250?start=' + str(25*i)
    data = requests.get(url).text
    html = etree.HTML(data)
    books = html.xpath('//*[@id="content"]/div/div[1]/div/table')
    for book in
  • 2
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,这个问题我可以回答给你。为了爬取豆瓣电影Top250的电影导演、类型、年份、主演等信息,你可以使用 Python 爬虫,具体步骤如下: 1. 安装 requests、beautifulsoup4 等相关库,可以使用 pip install 进行安装。 2. 使用 requests获取豆瓣电影 Top250 页面的 HTML 内容,并使用 beautifulsoup4 库解析 HTML 内容。 3. 使用 CSS 选择器或 XPath 表达式从 HTML 中提取需要的信息,例如电影名称、导演、类型、年份、主演等。 4. 将提取到的信息保存到文件或数据库中。 下面是一个简单的示例代码,可以获取豆瓣电影 Top250 的电影名称和导演信息: ```python import requests from bs4 import BeautifulSoup url = 'https://movie.douban.com/top250' headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3'} response = requests.get(url, headers=headers) soup = BeautifulSoup(response.text, 'html.parser') movies = soup.select('.info') for movie in movies: title = movie.select_one('.title').get_text() directors = movie.select_one('.bd p:nth-of-type(1)').get_text().strip().split('\xa0\xa0\xa0') print(title, directors) ``` 这段代码使用 requests 库发送 GET 请求获取豆瓣电影 Top250 页面的 HTML 内容,然后使用 BeautifulSoup 库解析 HTML 内容。使用 CSS 选择器 `.info` 获取每个电影的信息块,然后从信息块中使用 CSS 选择器 `.title` 获取电影名称,使用 `.bd p:nth-of-type(1)` 获取电影导演信息,并对导演信息进行处理后输出。

“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