Python爬虫学习第二章-4-使用requests模块爬取豆瓣电影分类排行榜
这一节是使用requests模块爬取豆瓣电影分类排行榜
1、从这个案例中得到的收获:
如果页面地址栏地址不变,但可以进行动态刷新,则很有可能是ajax请求,需要在network中看XHR,调整页面进行一次动态刷新(注意不是刷新整个页面)就会出现Ajax的包。
看Request URL可以了解到要发请求的url;看Request Method可以知道是什么类型的请求,是get还是post,该请求携带的参数在最后边看;看Content-Type可以知道响应数据的类型。
2、步骤:
先根据Request URL指定url,指定完url紧接着要进行UA伪装,即定义一个headers;再根据url和 Ajax包最后一段进行参数处理;然后根据Request Method确定发送的是什么请求,从而进行发送请求,并定义一个response来接受响应的数据对象;然后从响应对象中获取响应数据,根据Content-Type确定是什么类型的数据,该用什么方法;最后进行持久化存储
实现代码:
'''
爬取豆瓣电影分类排行榜(不用数据解析的方式):
'''
import requests
import json
if __name__=="__main__":
#1、指定url
url = 'https://movie.douban.com/j/chart/top_list?'
#原指明参数的url是''https://movie.douban.com/j/chart/top_list?type=24&interval_id=100%3A90&action=&start=100&limit=20,
# 但通常而言,凡是有参数的,最好使用字典将参数进行封装,所以可以将’?‘后边的参数都封装在字典中,在参数处理那一步进行
# 2、进行UA伪装
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/85.0.4183.121 Safari/537.36'
} # 在url之后要紧接着进行UA伪装,
#3、进行参数处理
param = {
'type': '24',
'interval_id': '100:90',
'action':'',
'start': '1', #从库中的第几部电影去取,所以这个值可以修改
'limit': '20' #一次请求取出的个数是20个
}
#4、发送请求
response = requests.get(url = url,params = param,headers = headers)
#5、获取响应数据数据,是json格式的数据,在这个那里中返回的是一个列表
list_data = response.json()
#6、持久化存储
fp = open('./douban.json','w',encoding='utf-8') #注意存储数据的方式
json.dump(list_data,fp = fp,ensure_ascii=False)
fp.close()
print('over')