# 利用css选择器对电影的信息进行爬取
import requests
import parsel
import csv
import time
import re
class CssSpider:
def __init__(self):
self.headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/77.0.3865.90 Safari/537.36'
}
def get_dp(self, url):
response = requests.get(url, headers=self.headers)
return response.text
def parsel_dp(self, response):
data = []
selector = parsel.Selector(response)
li = selector.css('ol.grid_view li')
for dd in li:
data.append(dd.css('span.title::text').get())
data.append(dd.css('img::attr(src)').get())
data.append(dd.css('span.rating_num::text').get())
# data.append(str(dd.css('div span:nth-child(4)').get()))
data.append(re.sub('<span>|</span>', '', str(dd.css('div span:nth-child(4)').get())))
data.append(re.sub('<span class="inq">|</span>', "", str(dd.css('span.inq').get())))
# for k, v in dic.items():
# ls.append('{}:{}'.format(k, v))
#
data_str_done = str(data)
data_str_done_new = re.sub("\[|\]|\'", "", data_str_done)
print(data)
data = []
with open('豆瓣Top250css.csv', 'a', encoding='UTF-8', newline='') as fp:
fp.write(data_str_done_new + '\n')
def wirte_head(self):
with open('豆瓣Top250css.csv', mode='w', encoding='utf-8', newline='') as fp:
fp.write("电影名,图片连接,电影评分,评价人数,内容简介" + '\n')
def main(self, page):
self.wirte_head()
for i in range(0, int(page*25), 25):
url = f'https://movie.douban.com/top250?start={i}&filter='
res = self.get_dp(url)
time.sleep(3)
self.parsel_dp(res)
print(f'正在爬取{i / 25}页')
if __name__ == '__main__':
spider = CssSpider()
page = input("请输入你想爬多少页:")
spider.main(page)
1. CSS选择器
在 CSS 中,选择器是一种模式,用于选择需要添加样式的元素。
“CSS” 列指示该属性是在哪个 CSS 版本中定义的。(CSS1、CSS2 还是 CSS3。)
w3c指南:https://www.w3school.com.cn/cssref/css_selectors.ASP
选择器 | 例子 | 例子描述 |
---|---|---|
.class | .intro | 选择 class=“intro” 的所有元素。 |
#id | #firstname | 选择 id=“firstname” 的所有元素。 |
* | * | 选择所有元素。 |
element | p | 选择所有 元素。 |
element,element | div,p | 选择所有
元素和所有
元素。 |
element element | div p | 选择
元素内部的所有
元素。 |
element>element | div>p | 选择父元素为
元素的所有
元素。 |
[attribute] | [target] | 选择带有 target 属性所有元素。 |
[attribute=value] | [target=_blank] | 选择 target="_blank" 的所有元素。 |
1.1 标签选择器
标签选择器其实就是我们经常说的html代码中的标签。例如html、span、p、div、a、img等等;比如我们想要设置网页中的p标签内一段文字的字体和颜色,那么css代码就如下所示:
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<title>标签选择器</title>
</head>
<style>
p{
color: #f00;
font-size: 16px;
}
</style>
<body>
<p>css标签选择器的介绍</p>
<p>标签选择器、类选择器、ID选择器</p>
<a href="https://www.baidu.com">百度一下</a>
</body>
</html>
1.2 类选择器
类选择器在我们今后的css样式编码中是最常用到的,它是通过为元素设置单独的class来赋予元素样式效果。
使用语法:(我们这里为p标签单独设置一个类选择器.content,代码就如下所示)
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<title>类选择器</title>
</head>
<style>
.content{
color: #f00;
font-size: 16px;
}
</style>
<body>
<p>css标签选择器的介绍</p>
<p class="content">标签选择器、类选择器、ID选择器</p>
</body>
</html>
详细讲解:
1、类选择器都是使用英文圆点(.)开头;
2、每个元素可以有多个类名,,名称可以任意起名(但不要起中文,一般都是与内容相关的英文缩写)
3、类选择器只会改变类下的元素样式,而不会改变其它标签的默认样式;
我们上边的页面在浏览器上显示的效果就如下所示:(content下的文字内容颜色变成了红色,字体变成了16px)
1.3 ID选择器
ID选择器类似于类选择符,作用同类选择符相同,但也有一些重要的区别。
使用语法:
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<title>ID择器</title>
</head>
<style>
#content{
color: #f00;
font-size: 16px;
}
</style>
<body>
<p>css标签选择器的介绍</p>
<p id="content">标签选择器、类选择器、ID选择器</p>
</body>
</html>
详细讲解:
1、ID选择器为标签设置id=“ID名称”,而不是class=“类名称”。
2、ID选择符的前面是符号为井号(#),而不是英文圆点(.)。
3、ID选择器的名称是唯一的,即相同名称的id选择器在一个页面只能出现一次;
1.4 组合选择器
可以多个选择器一起使用,就是组合选择器
1.5 伪类选择器
可以用 :: 指定选择标签的属性。
:last-child | p:last-child | 选择所有p元素的最后一个子元素 |
---|---|---|
:last-of-type | p:last-of-type | 选择每个p元素是其母元素的最后一个p元素 |
:not(selector) | :not§ | 选择所有p以外的元素 |
:nth-child(n) | p:nth-child(2) | 选择所有 p 元素的父元素的第二个子元素 |
:nth-last-child(n) | p:nth-last-child(2) | 选择所有p元素倒数的第二个子元素 |
以上为css选择器得部分用法,详细用法见[https://www.w3school.com.cn/cssref/css_selectors.ASP]
Github项目地址:https://github.com/Key-lei/doubanSpider