爬取豆瓣电影Top 250封面

大家好,作为一名互联网行业的小白,写博客只是为了巩固自己学习的知识,但由于水平有限,博客中难免会有一些错误出现,有不妥之处恳请各位大佬指点一二!
博客主页:链接: https://blog.csdn.net/weixin_52720197?spm=1018.2118.3001.5343
在这里插入图片描述

import requests
from lxml import etree
import pandas as pd
import os

MOVIES = []
IMGURLS = []

# 获取源代码
def get_html(url):

    headers = {
   'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.98 Safari/537.36'}

    try:
        html = requests.get(url,headers = headers)
        html.encoding = html.apparent_encoding
        if html.status_code == 200:
            print('成功获取源代码')
            # print(html.text)
    except Exception as e:
        print('获取源代码失败:%s' % e)

    return html.text

# 数据解析
def parse_html(html):

    movies = []  # 电影列表
    imgurls = []
阅读终点,创作起航,您可以撰写心得或摘录文章要点写篇博文。去创作
  • 3
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
好的,可以的。Scrapy是一个强大的Python爬虫框架,我们可以用它来爬取豆瓣电影TOP250的信息。首先,我们需要安装Scrapy,可以使用pip命令进行安装: ``` pip install scrapy ``` 然后,我们可以创建一个Scrapy项目,命名为douban_top250,执行如下命令: ``` scrapy startproject douban_top250 ``` 接下来,我们需要创建一个Spider,用于爬取豆瓣电影TOP250的信息。在douban_top250/spiders目录下,新建一个douban_spider.py文件,编写如下代码: ```python import scrapy class DoubanSpider(scrapy.Spider): name = 'douban' allowed_domains = ['movie.douban.com'] start_urls = ['https://movie.douban.com/top250'] def parse(self, response): for movie in response.xpath('//div[@class="info"]'): yield { 'title': movie.xpath('div[@class="hd"]/a/span[@class="title"]/text()').extract_first(), 'rating': movie.xpath('div[@class="bd"]/div[@class="star"]/span[@class="rating_num"]/text()').extract_first(), 'quote': movie.xpath('div[@class="bd"]/p[@class="quote"]/span/text()').extract_first() } next_page = response.xpath('//span[@class="next"]/a/@href') if next_page: url = response.urljoin(next_page[0].extract()) yield scrapy.Request(url, self.parse) ``` 上述代码中,我们定义了一个名为DoubanSpider的Spider,它的allowed_domains为豆瓣电影网站,start_urls为https://movie.douban.com/top250,表示我们要爬取豆瓣电影TOP250的页面。在parse方法中,我们使用XPath表达式提取每部电影的标题、评分和简介信息,并使用yield返回。然后,我们使用XPath表达式找到下一页的链接,并使用scrapy.Request发送请求,继续爬取下一页的信息。 最后,我们可以在命令行中执行如下命令,启动Spider爬虫程序: ``` scrapy crawl douban -o douban_top250.json ``` 这条命令表示运行名为douban的Spider,将结果保存到douban_top250.json文件中。爬取完成后,我们可以打开douban_top250.json文件,查看爬取到的电影信息。

“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

打赏作者

不太累的码农

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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