Python随记(27)bs4爬取豆瓣250

使用bs4爬取豆瓣250

import requests
from bs4 import BeautifulSoup
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.86 Safari/537.36'
}
def get_urls(url):   # 获取子页面的 url
    resp = requests.get(url,headers=headers)
    html = resp.text
    soup = BeautifulSoup(html,'lxml')
    lis = soup.find('ol',class_='grid_view').find_all('li')
    detail_urls = []
    for li in lis:
        urls = li.find('a')['href']
        detail_urls.append(urls)
    return detail_urls

def get_data(url,f):
    resp = requests.get(url,headers=headers)
    html = resp.text
    soup = BeautifulSoup(html,'lxml')
    name = list(soup.find('h1').stripped_strings)
    name = ''.join(name)
    director = list(soup.find('div', id='info').find('span', class_='attrs').stripped_strings)
    actor = list(soup.find('span', class_='actor').find('span', class_='attrs').stripped_strings)
    f.write('{},{},{}\n'.format(name, ''.join(director), ''.join(actor)))  # 将列表元素组合

def main():
    base_url = 'https://movie.douban.com/top250?start={}&filter='  # 根据换页的关系,用来换页
    with open('Top250.csv','a',encoding='utf-8') as f:
        for x in range(0,251,25):
            url = base_url.format(x)
            detail_urls = get_urls(url)
            for detail_url in detail_urls:
               get_data(detail_url,f)

if __name__ == '__main__':
    main()

确实比xpath简单(不过我选择xpath),,在正则之前好好复习几天吧。。。

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值