任务:爬取豆瓣电影Top250的基本信息,包括电影的名称、豆瓣评分、评价数、电影概况、电影链接等。
https://movie.douban.com/top250
爬虫基本知识
是什么?
爬虫就是按照一定的规则,自动抓取互联网信息的程序或者脚本。
做什么?
可以通过浏览器访问的数据(视频,照片等)都可以通过爬虫获取。
爬虫的本质?
模拟浏览器打开网页,获取网页中我们想要的那部分数据(数据解析)。将浏览器展示出来的信息选择部分我们感兴趣、对我们有价值的东西保存起来。
基本流程:
准备:通过浏览器查看分析目标网页、
获取数据(核心):通过第三方库HTTP库向目标站点发起请求(包含header等信息),返回一个Respose对象(所需获取的页面内容)
解析内容:得到的内容有不同的格式(HTML、json等),用页面分析库、正则表达式等解析
保存数据:最后保存数据(形势多样:文本、数据库、excel等特定格式文件)
原理: