python爬取豆瓣电影top250的名字_python爬虫--爬取豆瓣top250电影名

关于模拟浏览器登录的header，可以在相应网站按F12调取出编辑器，点击netwook，如下：

以便于不会被网站反爬虫拒绝。

1 import requests

2 from bs4 import BeautifulSoup

5 def get_movies():

6 headers = {

7 'user-agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/52.0.2743.82 Safari/537.36',

8 'Host': 'movie.douban.com'

9 }

10 movie_list = [] #定义序列

11 for i in range(0, 10):

12 link = 'https://movie.douban.com/top250?start=' + str(i * 25) #通过循环，下载第二页，第三页

13 r = requests.get(link, headers=headers, timeout=10) #timeout=10，响应时长

14 print(str(i + 1), "页响应状态码:", r.status_code) #显示状态码，返回200，请求成功

15

16 soup = BeautifulSoup(r.text, "lxml")

17 div_list = soup.find_all('div', class_='hd') #如下图显示，电影名字在div标签之后

18 for each in div_list:

19 movie = each.a.span.text.strip() #span后的文本

20 movie_list.append(movie) #append(movie)，在movie_list中添加movie序列

21 return movie_list

24 movies = get_movies()

25 print(movies)