python入门教程第28讲_Python爬虫入门教程第二十八讲: 《海王》评论数据抓取 scrapy...

本文介绍了如何使用Python的Scrapy框架来抓取猫眼电影《海王》的用户评论数据。通过分析评论,展示了一个完整的Scrapy爬虫项目结构,包括设置请求头、配置下载延迟、启用管道以及将数据保存到CSV文件。
摘要由CSDN通过智能技术生成

1. 海王评论数据爬取前分析

海王上映了,然后口碑炸了,对咱来说,多了一个可爬可分析的电影,美哉~

摘录一个评论零点场刚看完,温导的电影一直很不错,无论是速7,电锯惊魂还是招魂都很棒。打斗和音效方面没话说非常棒,特别震撼。总之,DC扳回一分( ̄▽ ̄)。比正义联盟好的不止一点半点(我个人感觉)。还有艾梅伯希尔德是真的漂亮,温导选的人都很棒。

真的第一次看到这么牛逼的电影 转场特效都吊炸天

2. 海王案例开始爬取数据

数据爬取的依旧是猫眼的评论,这部分内容咱们用把牛刀,scrapy爬取,一般情况下,用一下requests就好了

抓取地址

http://m.maoyan.com/mmdb/comments/movie/249342.json?_v_=yes&offset=15&startTime=2018-12-11%2009%3A58%3A43

关键参数

url:http://m.maoyan.com/mmdb/comments/movie/249342.json

offset:15

startTime:起始时间

scrapy 爬取猫眼代码特别简单,我分开几个py文件即可。

Haiwang.py

import scrapy

import json

from haiwang.items import HaiwangItem

class HaiwangSpider(scrapy.Spider):

name = 'Haiwang'

allowed_domains = ['m.maoyan.com']

start_urls = ['http://m.maoyan.com/mmdb/comments/movie/249342.json?_v_=yes&offset=0&startTime=0']

def parse(self, response):

print(response.url)

body_data = response.body_as_unicode()

js_data = json.loads(body_data)

item = HaiwangItem()

for info in js_data["cmts"]:

item["nickName"] = info["nickName"]

item["cityName"] = info["cityName"] if "cityName" in info else ""

item["content"] = info["content"]

item["score"] = info["score"]

item["startTime"] = info["startTime"]

item["approve"] = info["approve"]

item["reply"] = info["reply"]

item["avatarurl"] = info["avatarurl"]

yield item

yield scrapy.Request("http://m.maoyan.com/mmdb/comments/movie/249342.json?_v_=yes&offset=0&startTime={}".format(item["startTime"]),callback=self.parse)

setting.py

设置需要配置headers

DEFAULT_REQUEST_HEADERS = {

"Referer":"http://m.maoyan.com/movie/249342/comments?_v_=yes",

"User-Agent":"Mozilla/5.0 Chrome/63.0.3239.26 Mobile Safari/537.36",

"X-Requested-With":"superagent"

}

需要配置一些抓取条件

# Obey robots.txt rules

ROBOTSTXT_OBEY = False

# See also autothrottle settings and docs

DOWNLOAD_DELAY = 1

# Disable cookies (enabled by default)

COOKIES_ENABLED = False

开启管道

# Configure item pipelines

# See https://doc.scrapy.org/en/latest/topics/item-pipeline.html

ITEM_PIPELINES = {

'haiwang.pipelines.HaiwangPipeline': 300,

}

items.py

获取你想要的数据

import scrapy

class HaiwangItem(scrapy.Item):

# define the fields for your item here like:

# name = scrapy.Field()

nickName = scrapy.Field()

cityName = scrapy.Field()

content = scrapy.Field()

score = scrapy.Field()

startTime = scrapy.Field()

approve = scrapy.Field()

reply =scrapy.Field()

avatarurl = scrapy.Field()

pipelines.py

保存数据,数据存储到csv文件中

import os

import csv

class HaiwangPipeline(object):

def __init__(self):

store_file = os.path.dirname(__file__) + '/spiders/haiwang.csv'

self.file = open(store_file, "a+", newline="", encoding="utf-8")

self.writer = csv.writer(self.file)

def process_item(self, item, spider):

try:

self.writer.writerow((

item["nickName"],

item["cityName"],

item["content"],

item["approve"],

item["reply"],

item["startTime"],

item["avatarurl"],

item["score"]

))

except Exception as e:

print(e.args)

def close_spider(self, spider):

self.file.close()

begin.py

编写运行脚本

from scrapy import cmdline

cmdline.execute(("scrapy crawl Haiwang").split())

走起,搞定,等着数据来到,就可以了,小编整理一套Python资料和PDF,有需要Python学习资料可以加学习群:1004391443,反正闲着也是闲着呢,不如学点东西啦~~

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