爬虫——豆瓣电影TOP250

本文仅供学习使用及参考。

每行代码均有注释

# -*- coding: utf-8 -*-
# @Author  : 归燕
# @FileName: 02-豆瓣电影TOP250.py
# @Time    : 2023/12/12 18:07


import csv
import random
import time
import requests
import logging
from lxml import etree
# 日志配置
logging.basicConfig(level=logging.INFO,
                    format='%(asctime)s-%(levelname)s:%(message)s',
                    filename='02-test.log',
                    filemode='a'
                    )
# 设置请求头
header = {"User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36"}
# 基础url
base_url = "https://movie.douban.com/top250?start={start}&filter="
# 请求数据
def scerpe_api(url):
    logging.info("scraping %s", url)
    try:
        # 请求数据
        response = requests.get(url=url,headers=header)
        # 休眠
        time.sleep(random.randint(1, 10))
        print(response.text)
        # 判断是否响应结果
        if response.status_code == 200:
            response.encoding = 'utf-8'
            element = etree.HTML(response.text)
            return element
        logging.error('网站请求状态码为:%s ;请求网址为:%s', response.status_code, url)
    except requests.RequestException:
        logging.info("未响应网址:%s", url, exc_info=True)

#   解析网页 TOP250
def TOP_250(element):
    # 电影名称
    title = element.xpath('//a/span[@class="title"][1]/text()')
    # 电影评分
    score = element.xpath('//div[@class="star"]/span[2]/text()')
    # 电影标签
    tag = element.xpath('//div[@class="bd"]/p[1]/text()')
    # 详情url
    detail_url = element.xpath('//div[@class="pic"]/a/@href')
    print(detail_url)
    # 保存数据
    save_data(title=title,score=score,tag=tag)
# 保存数据
def save_data(title,score,tag):
    path = "02-TOP250.csv"
    with open(path,"a+",encoding='utf-8') as f:
        csv_write = csv.writer(f)
        # 循环保存数据
        for i in range(len(title)):
            title_ = str(title[i]).replace(" ","")
            tag_ = str(tag[(2*i+1)]).replace(" ","")
            score_ = str(score[i]).replace(" ","")
            data_row =[title_,tag_,score_]
            csv_write.writerow(data_row)
# 单次保存25条
LIMIT = 25
# 主函数
def main():
    for start in range(0,10):
        # 构建url
        url = base_url.format(start=LIMIT*start)
        # 请求数据
        html = scerpe_api(url)
        # 解析及保存数据
        TOP_250(html)

if __name__ == '__main__':
    main()




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

安于长情_

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