Python采集某Top 250信息，再也不怕寂寞无聊......-CSDN博客

本文链接：https://blog.csdn.net/xff123456_/article/details/129708363

人生苦短我用python

本次亮点：

分析网页结构
css/xpath/re 解析数据
保存CSV文件

所使用环境介绍：

python 3.8
Pycharm

在这里插入图片描述

本次模块使用:

requests >>> 数据请求模块 pip install requests
parsel >>> 数据解析模块 pip install parsel
csv

模块安装问题:

如果安装python第三方模块:

win + R 输入 cmd 点击确定, 输入安装命令 pip install 模块名 (pip install requests) 回车
在pycharm中点击Terminal(终端) 输入安装命令

安装失败原因:

失败一: pip 不是内部命令
解决方法: 设置环境变量

失败二: 出现大量报红 (read time out)
解决方法:

因为是网络链接超时, 需要切换镜像源

清华：https://pypi.tuna.tsinghua.edu.cn/simple
阿里云：http://mirrors.aliyun.com/pypi/simple/ 中国科技大学
https://pypi.mirrors.ustc.edu.cn/simple/
华中理工大学：http://pypi.hustunique.com/ 山东理工大学：http://pypi.sdutlinux.org/
豆瓣：http://pypi.douban.com/simple/ 例如：pip3 install -i https://pypi.doubanio.com/simple/ 模块名

失败三: cmd里面显示已经安装过了, 或者安装成功了, 但是在pycharm里面还是无法导入
解决方法: 可能安装了多个python版本 (anaconda 或者 python 安装一个即可)

卸载一个就好或者你pycharm里面python解释器没有设置好

请添加图片描述

如何配置pycharm里面的python解释器?

选择file(文件) >>> setting(设置) >>> Project(项目) >>> python interpreter(python解释器)
点击齿轮, 选择add
添加python安装路径
pycharm如何安装插件?
选择file(文件) >>> setting(设置) >>> Plugins(插件)
点击 Marketplace 输入想要安装的插件名字比如:翻译插件输入 translation
选择相应的插件点击 install(安装) 即可
安装成功之后是会弹出重启pycharm的选项点击确定, 重启即可生效

在这里插入图片描述

爬虫代码基本四个步骤:

1. 发送请求确定请求url地址
通过python代码模拟浏览器对于url地址发送请求

2. 获取数据
获取服务器返回响应数据

3. 解析数据

4. 保存数据

代码💫

import requests  
import parsel  
import csv  

f = open('top250最终版本03.csv', mode='a', encoding='utf-8', newline='')
csv_writer = csv.DictWriter(f, fieldnames=[
    '电*影名',
    '演员信息',
    '年份',
    '国家',
    '电*影类型',
    '评分',
    '评论量',
    '简介',
    '详情页',
])
csv_writer.writeheader()

for page in range(0, 250, 25):
    url = f'网站自己打一下，审核不给过'

    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.4951.41 Safari/537.36'
    }
   
    response = requests.get(url=url, headers=headers) 
    selector = parsel.Selector(response.text)  
    lis = selector.css('.grid_view li')  
    for li in lis: 
        try:
            
            title = li.css('.hd a span::text').get()  # 电影名字
            info_list = li.css('.bd p:nth-child(1)::text').getall()
           
            actor_list = info_list[0].strip().replace('导演: ', '').replace('主演: ', '')  
            info = info_list[1].strip().split(' / ')
            date = info[0]  
            country = info[1]  
            movie_types = info[2]  
            score = li.css('.rating_num::text').get() 
            comment = li.css('.star span:nth-child(4)::text').get().replace('人评价', '') 
            summary = li.css('.inq::text').get() 
            href = li.css('.hd a::attr(href)').get()  
            dit = {
                '电*影名': title,
                '演员信息': actor_list,
                '年份': date,
                '国家': country,
                '电影类型': movie_types,
                '评分': score,
                '评论量': comment,
                '简介': summary,
                '详情页': href,
            }
            csv_writer.writerow(dit)
            print(title, actor_list, date, country, movie_types, score, comment, summary, href, sep=' | ')
        except Exception as e:
            print(e)