python爬取豆瓣电影top250_Python爬虫——爬取豆瓣电影Top250代码实例

利用python爬取豆瓣电影Top250的相关信息，包括电影详情链接,图片链接,影片中文名,影片外国名,评分,评价数,概况,导演,主演,年份,地区,类别这12项内容，然后将爬取的信息写入Excel表中。基本上爬取结果还是挺好的。具体代码如下：

#!/usr/bin/python

#-*- coding: utf-8 -*-

import sys

reload(sys)

sys.setdefaultencoding('utf8')

from bs4 import BeautifulSoup

import re

import urllib2

import xlwt

#得到页面全部内容

def askURL(url):

request = urllib2.Request(url)#发送请求

try:

response = urllib2.urlopen(request)#取得响应

html= response.read()#获取网页内容

#print html

except urllib2.URLError, e:

if hasattr(e,"code"):

print e.code

if hasattr(e,"reason"):

print e.reason

return html

#获取相关内容

def getData(baseurl):

findLink=re.compile(r'')#找到影片详情链接

findImgSrc=re.compile(r'

findTitle=re.compile(r'(.*)')#找到片名

#找到评分

findRating=re.compile(r'(.*)')

#找到评价人数

findJudge=re.compile(r'(\d*)人评价')

#找到概况

findInq=re.compile(r'(.*)')

#找到影片相关内容：导演，主演，年份，地区，类别

findBd=re.compile(r'

(.*?)

',re.S)

#去掉无关内容

remove=re.compile(r' |\n||\.*')

datalist=[]

for i in range(0,10):

url=baseurl+str(i*25)

html=askURL(url)

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

for item in soup.find_all('div',class_='item'):#找到每一个影片项

data=[]

item=str(item)#转换成字符串

#print item

link=re.findall(findLink,item)[0]

data.append(link)#添加详情链接

imgSrc=re.findall(findImgSrc,item)[0]

data.append(imgSrc)#添加图片链接

titles=re.findall(findTitle,item)

#片名可能只有一个中文名，没有外国名

if(len(titles)==2):

ctitle=titles[0]

data.append(ctitle)#添加中文片名

otitle=titles[1].replace(" / ","")#去掉无关符号

data.append(otitle)#添加外国片名

else:

data.append(titles[0])#添加中文片名

data.append(' ')#留空

rating=re.findall(findRating,item)[0]

data.append(rating)#添加评分

judgeNum=re.findall(findJudge,item)[0]

data.append(judgeNum)#添加评论人数

inq=re.findall(findInq,item)

#可能没有概况

if len(inq)!=0:

inq=inq[0].replace("。","")#去掉句号

data.append(inq)#添加概况

else:

data.append(' ')#留空

bd=re.findall(findBd,item)[0]

bd=re.sub(remove,"",bd)

bd=re.sub('
'," ",bd)#去掉

bd=re.sub('/'," ",bd)#替换/

#data.append(bd)

words=bd.split(" ")

for s in words:

if len(s)!=0 and s!=' ':#去掉空白内容

data.append(s)

#主演有可能因为导演内容太长而没有

if(len(data)!=12):

data.insert(8,' ')#留空

datalist.append(data)

return datalist

#将相关数据写入excel中

def saveData(datalist,savepath):

book=xlwt.Workbook(encoding='utf-8',style_compression=0)

sheet=book.add_sheet('豆瓣电影Top250',cell_overwrite_ok=True)

col=('电影详情链接','图片链接','影片中文名','影片外国名',

'评分','评价数','概况','导演','主演','年份','地区','类别')

for i in range(0,12):

sheet.write(0,i,col[i])#列名

for i in range(0,250):

data=datalist[i]

for j in range(0,12):

sheet.write(i+1,j,data[j])#数据

book.save(savepath)#保存

def main():

baseurl='https://movie.douban.com/top250?start='

datalist=getData(baseurl)

savapath=u'豆瓣电影Top250.xlsx'

saveData(datalist,savapath)

main()

Excel表部分内容如下：

以上所述是小编给大家介绍的Python爬取豆瓣电影Top250实例详解整合，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对脚本之家网站的支持！