python爬虫实战项目-爬取豆瓣电影top250

废话不多说,直接上代码

import requests
from bs4 import BeautifulSoup
import csv
import time

def crawl_douban_movie_top_250():
    base_url = 'https://movie.douban.com/top250?start='
    headers = { # 用户代理(User-Agent)头部信息,模拟真实的浏览器请求
        'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.71 Safari/537.36'
    }

    movie_list = []

    for i in range(10):
        url = base_url + str(i * 25)
        response = requests.get(url, headers=headers)
        soup = BeautifulSoup(response.text, 'html.parser')
        movie_items = soup.select('.item')

        for movie_item in movie_items:
            title = movie_item.select_one('.title').text.strip()
            info = movie_item.select_one('.bd p').text.strip()
            rating = movie_item.select_one('.rating_num').text.strip()
            rating_count = movie_item.select_one('.star span:last-child').text.strip('人评价')
            quote = movie_item.select_one('.inq')
            if quote:
                quote = quote.text.strip()
            else:
                quote = ''
            movie_list.append([title, info, rating, rating_count, quote])
            print(f'成功爬取电影:{title}')

        # 添加延时等待,规避频繁请求被限制
        time.sleep(2)

    save_to_csv(movie_list)

def save_to_csv(movie_list):
    with open('douban_movie_top_250.csv', 'w', encoding='utf-8-sig', newline='') as file:
        writer = csv.writer(file)
        writer.writerow(['电影名称', '简介', '评分', '评价人数', '引言'])
        writer.writerows(movie_list)

if __name__ == '__main__':
    crawl_douban_movie_top_250()

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
爬取豆瓣电影Top250,可以按照以下步骤进行操作: 首先,需要搭建程序的主体框架。可以导入必要的库,如requests用于发送请求,re用于正则表达式匹配等。然后定义一个函数get_page(url),用于获取指定URL的网页内容;另外定义一个函数get_movie_list(html),用于解析网页内容,获取电影列表;再定义一个函数get_content(movie_url),用于获取每部电影的详细内容。接下来就可以在主程序中使用循环来爬取每一页的电影数据了。具体实现如下所示: ```python import requests from requests.exceptions import RequestException import re def get_page(url): # 发送请求,获取响应 response = requests.get(url) if response.status_code == 200: return response.text return None def get_movie_list(html): # 解析响应,获取电影列表 pattern = re.compile('<a href="(.*?)".*?<span class="title">(.*?)</span>.*?' '<span class="rating_num" property="v:average">(.*?)</span>', re.S) movie_list = re.findall(pattern, html) return movie_list def get_content(movie_url): # 获取每部电影的详细内容 # 这里可以继续编写代码,根据电影详情页的URL获取需要的信息 if __name__ == '__main__': for i in range(10): url = 'https://movie.douban.com/top250?start=' + str(i*25) # 根据页数拼接URL html = get_page(url) # 获取网页内容 movie_list = get_movie_list(html) # 解析网页内容,获取电影列表 for movie in movie_list: get_content(movie<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [Python爬虫实战 | (3) 爬取豆瓣电影Top250](https://blog.csdn.net/sdu_hao/article/details/96114862)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]

“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