最近过五一小长假,带着老婆孩子出去玩了,偷了点小懒,又没有更新知乎。白天在外面玩,回来就想撸撸代码,撸代码也有瘾,成了生活中不可缺少的一部分。前几篇文章都是讲数据处理的,今天换个风格吧。写个简单的爬虫吧,以后复杂的爬虫、爬app、自动化测试、selenium、scrapy有时间就写,和朋友们一起交流,也希望认识技术大牛。
好久没有去电影院看电影了,就写个最热电影和票房的统计吧,豆瓣电影排行什么的作为爬虫入门最合适不过了。同时学习或者温习一下BeautifulSoup、还有csv数据的存储。这些就是各种各样爬虫的基础和原理,说的不太准确爬虫就是模拟浏览器get/post请求,爬取、解析、存储,再复杂的爬虫也都是在这个基础上慢慢衍化而来的,由浅入深。再将存储的数据,通过数据清洗、可视化展示,这就是做项目的路子。
好了进入正题,从豆瓣网上查到全球电影票房总排行榜,有了目标开始了,用的还是万年不变的requests模块,带上浏览器的标识User-Agent。
import requests
headers={
'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.129 Safari/537.36'
}
url = 'https://www.douban.com/doulist/1641439/'
res= requests.get(url=url,headers=headers)