今天学习学得头大,放松之余,水一篇文章好了——
用python爬虫豆瓣电影TOP100的简易信息
要收集的信息包括:每部电影的标题、导演、上映年份、评分以及引用。
环境:python 2.7
系统:macOS 10.13.1
模块:BeautifulSoup、requests、pandas
过程很简单,分析一下网页结构,然后用BeautifulSoup分分钟写好呀:
from BeautifulSoup import BeautifulSoup
import requests
import pandas as pd
movies = []
N = 1
for i in range(4): # 每页25部电影,共需搜索4页
page = requests.get('https://movie.douban.com/top250?start={}&filter='.format(i))
soup = BeautifulSoup(page.text) # 用BeautifulSoup对html源码进行处理
info_list = soup.findAll('ol')[0].findAll('li') # 观察可知电影信息在第1个
- 标签的各个
- 标签里
for info in info_list:
movie = {
'ranking':str(N),
'title'