python爬虫 豆瓣电影

最近学习python 顺便写下爬虫练手
爬的是豆瓣电影排行榜 http://movie.douban.com/chart
python版本2.7.6

// 安装 Beautiful Soup
sudo apt-get install Python-bs4
// 安装 requests
sudo apt-get install Python-requests

下面是py代码

__author__ = 'wzz'
# -*- coding: utf-8 -*-
import requests
from bs4 import BeautifulSoup

r = requests.get('http://movie.douban.com/chart')
page_code = BeautifulSoup(r.text)
# 查找clss为indent里面的table标签
items = page_code.select('.indent table')
line = '-----------------------------------'
# 根据评分显示星星数量
def getStar(num):
    str = ''
    for i in range(0, 5):
        # 等价于 num/2>i?'★':'☆'
        str += '★'if int(float(num))/2>i else'☆'
    return str

for item in items:
    # 查找clss为pl2的div里面的a标签
    name = item.select('div.pl2 a')[0]
    # 删除span标签
    name.span.unwrap()
    # 去掉空格和换行
    name = name.text.replace(' ', '').replace('\n', '')
    actor = item.select('div.pl2 p.pl')[0]
    actor = actor.text
    score = item.select('span.rating_nums')[0]
    score = score.text
    num = item.select('span.pl')[0]
    num = num.text
    print '\n%s\n%s\n%s\n%s' %(name, line, actor, line)
    # ★特殊字符不能用 %s 来输出 有没有知道的跟我说一下
    print getStar(score), score, num

用面向对象改了下 加入时间

__author__ = 'wzz'
# -*- coding: utf-8 -*-
import requests
import time
from bs4 import BeautifulSoup

# 豆瓣电影爬虫
class doubanMove:

    def __init__(self):
        self.url = 'http://movie.douban.com/chart'
        self.line = '-----------------------------------'

    # 根据url获得页面并提取数组
    def getPageItem(self):
        r = requests.get(self.url)
        page_code = BeautifulSoup(r.text)
        items = page_code.select('.indent table')
        return items

    # 根据评分显示星星数量
    def getStar(self, num):
        str = ''
        for i in range(0, 5):
            # 等价于 num/2>i?'★':'☆'
            str += '★'if int(float(num))/2>i else'☆'
        return str

    def start(self):
        print '加载中...'
        startTime = time.time()
        items = self.getPageItem()
        print '用时:', time.time()-startTime, '秒'
        for item in items:
            # 查找clss为pl2的div里面的a标签
            name = item.select('div.pl2 a')[0]
            # 删除span标签
            name.span.unwrap()
            # 去掉空格和换行
            name = name.text.replace(' ', '').replace('\n', '')
            actor = item.select('div.pl2 p.pl')[0]
            actor = actor.text
            score = item.select('span.rating_nums')[0]
            score = score.text
            num = item.select('span.pl')[0]
            num = num.text
            print '\n%s\n%s\n%s\n%s' %(name, self.line, actor, self.line)
            # ★特殊字符不能用 %s 来输出 有没有知道的跟我说一下
            print self.getStar(score), score, num

dbMove = doubanMove()
dbMove.start()

效果图:
这里写图片描述

参考网站:

http://beautifulsoup.readthedocs.org/zh_CN/latest/
http://cuiqingcai.com/1319.html

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 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
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