python爬虫豆瓣电影我不是药神的评价_Python | 爬取《我不是药神》电影热门短评...

1.目标数据：

数据来源：

目标描述：

建立一个爬虫项目，抓取豆瓣上对电影《我不是药神》的热门短评，采集字段包括：

用户昵称

评论时间

觉得有用的人数

短评内容

2.开始爬虫

采集策略：

本次采集数据拟使用Requests库的requests.get()函数自动爬取html页面，然后使用Beautifulsoup库对下载的“标签树”html文本进行解析和遍历。

实现模拟登陆：

由于豆瓣设有反爬虫机制，若未登录的话则一次只能爬取60条评论，所以本次爬虫获取数据最主要的一个部分是实现模拟登陆：

def Login(headers,loginUrl,formData):

r = s.post(loginUrl, data=formData, headers=headers) # 提交登录信息

print (r.url)

print (formData["redir"])

if r.url == formData["redir"]:

print ("登陆成功") # 若登录后返回的页面是想要爬取的页面则说明登录成功

else:

print ("第一次登陆失败")

page = r.text

soup = BeautifulSoup(page, "html.parser")

captchaAddr = soup.find('img', id='captcha_image')['src'] # 获得登录验证码的URL

print (captchaAddr)

reCaptchaID = r'

captchaID = re.findall(reCaptchaID, page)

captcha = input('输入验证码：')

formData['captcha-solution'] = captcha

formData['captcha-id'] = captchaID

r = s.post(loginUrl, data=formData, headers=headers)# 再次提交登录信息，加上了手动输入的验证码

print (r.status_code)

<