python爬虫爬视频代码_Python爬取豆瓣视频信息代码实例

这篇文章主要介绍了Python爬取豆瓣视频信息代码实例,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下

这里是爬取豆瓣视频信息，用pyquery库(jquery的python库)。

一：代码

from urllib.request

import quotefrom pyquery

import PyQuery as pqimport requestsimport pandas as pddef get_text_page

(movie_name): ''

' 函数功能：获得指定电影名的源代码 参数：电影名 返回值：电影名结果的源代码 '

''

url =

'https://www.douban.com/search?q=' +

movie_name headers = {

'Host': 'www.douban.com',

'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.90 Safari/537.36',

}

r = requests.get(url, headers = headers,

timeout = 5) return r.textdef get_last_url(

this_text): ''

' 函数功能：根据指定的源代码得到最终的网页地址 参数：搜索结果源代码 返回值：最终的网页地址 '

''

doc = pq(this_text) lis = doc(

'.title a').items() k = 0 this_str =

''

for i in lis: #print('豆瓣搜索结果为:{0}'.format(

i.text()))# print('地址为:{0}'.format(i.attr

.href))# print('\n') if k == 0:

this_str = i.attr.href k += 1

return this_strdef the_last_page(

this_url): ''

' 函数功能：获得最终电影网页的源代码 参数：最终的地址 返回值：最终电影网页的源代码 '

''

headers = {

'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.90 Safari/537.36',

}

r = requests.get(this_url, headers =

headers, timeout = 20) return r.textdef the_last_text(

this_text, movie_name): ''

' 函数功能：获得每一项的数据 参数：爬取页面的源代码 返回值：返回空 '

''

doc = pq(this_text)# 获取标题 title = doc(

'#content h1').text()# 获取海报 photo =

doc('.nbgnbg img') photo_url = photo.attr

.src r = requests.get(photo_url) with open(

'{m}.jpg'.format(m = movie_name),

'wb') as f: f.write(r.content)# 电影信息 message =

doc('#info').text()# 豆瓣评分 grade = doc(

'#interest_sectl').text()# 剧情 things =

doc('.related-info').text() with open(

'{0}.txt'.format(movie_name), 'w+') as f:

try: f.writelines([title, '\n', '\n\n',

message, '\n\n', grade, '\n\n',

things

]) except: f.writelines([title, '\n',

'\n\n', message, '\n\n', grade

])# 演员# 演员名 name = [] person_name =

doc('.info').items() for i in

person_name: name.append(i.text())# 演员图片地址 person_photo =

doc('#celebrities') j = 0

for i in person_photo.find('.avatar').items():

m = i.attr('style') person_download_url =

m[m.find('(') + 1: m.find(')')]# 下载演员地址 r =

requests.get(person_download_url) try:

with open('{name}.jpg'.format(name =

name[j]), 'wb') as f: f.write(r.content) except:

continue j += 1 def lookUrl(this_text,

my_str): ''

' 函数功能：获得观看链接 参数：爬取页面的源代码 返回值：返回空 '

''

doc = pq(this_text) all_url = doc(

'.bs li a').items() movie_f = [] movie_url = []

for i in all_url: movie_f.append(i.text()) movie_url

.append(i.attr.href) dataframe = pd.DataFrame({

'观看平台': movie_f,

'观看地址': movie_url

}) dataframe.to_csv(

"{movie_name}的观看地址.csv".format(

movie_name = my_str), index = False,

encoding = 'utf_8_sig', sep = ',') def main():

name = input('') my_str = name movie_name =

quote(my_str) page_text =

get_text_page(movie_name)# 得指定电影名的源代码 last_url =

get_last_url(page_text)# 根据指定的源代码得到最终的网页地址 page_text2 =

the_last_page(last_url)# 获得最终电影网页的源代码 the_last_text(

page_text2, my_str)# 获得每一项的数据 lookUrl(

page_text2, my_str)# 得到并处理观看链接main()

二：结果如下(部分例子)

1.输入天气之子

2.输入百变小樱魔法卡

必须是已经上映的电影才有观看地址

3.独立日

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。