实例介绍
【实例简介】 python爬虫初级学习,爬取豆瓣top250电影信息
【实例截图】
【核心代码】
import re import requests from bs4 import BeautifulSoup def get_content(url, ): try: #浏览器标识 user_agent = "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.109 Safari/537.36" response = requests.get(url, headers={'User-Agent': user_agent}) response.raise_for_status() # 如果返回的状态码不是200, 则抛出异常; 不是200代表错误 response.encoding = response.apparent_encoding # 判断网页的编码格式, 便于respons.text知道如何解码; except Exception as e: print("爬取错误") else: print(response.url) print("爬取成功!") return response.content def parser_content(htmlContent): # 实例化soup对象, 便于处理; soup = BeautifulSoup(htmlContent, 'html.parser') # 1). 电影信息存储在ol标签里面的li标签: # <ol class="grid_view"> olObj = soup.find_all('ol', class_='grid_view')[0] # 2). 获取每个电影的详细信息, 存储在li标签; details = olObj.find_all('li') for detail in details: # 3). 获取电影名称; movieName = detail.find('span', class_='title').get_text() # 4). 电影评分: movieScore = detail.find('span', class_='rating_num').get_text() # 5). 评价人数*************** # 必须要转换类型为字符串 movieCommentNum = str(detail.find(text=re.compile('\d 人评价'))) # 6). 电影短评 movieCommentObj = detail.find('span', class_='inq') if movieCommentObj: movieComment = movieCommentObj.get_text() else: movieComment = "无短评" movieInfo.append((movieName, movieScore, movieCommentNum, movieComment)) import openpyxl def create_to_excel(wbname, data, sheetname='Sheet1', ): """ 将制定的信息保存到新建的excel表格中; :param wbname: :param data: 往excel中存储的数据; :param sheetname: :return: """ print("正在创建excel表格%s......" % (wbname)) # wb = openpyxl.load_workbook(wbname) # 如果文件不存在, 自己实例化一个WorkBook的对象; wb = openpyxl.Workbook() # 获取当前活动工作表的对象 sheet = wb.active # 修改工作表的名称 sheet.title = sheetname # 将数据data写入excel表格中; print("正在写入数据........") for row, item in enumerate(data): # data发现有4行数据, item里面有三列数据; print(item) for column, cellValue in enumerate(item): # cell = sheet.cell(row=row 1, column=column 1, value=cellValue) cell = sheet.cell(row=row 1, column=column 1) cell.value = cellValue wb.save(wbname) print("保存工作薄%s成功......." % (wbname)) if __name__ == '__main__': doubanTopPage = 10 #总共需要爬取多少个页面 perPage = 25 #每个页面的间隔 # [(), (), ()] movieInfo = [] # 1, 2, 3 ,4, 5 for page in range(1, doubanTopPage 1): # start的值= (当前页-1)*每页显示的数量(25) url = "https://movie.douban.com/top250?start=%s" % ((page - 1) * perPage) content = get_content(url) parser_content(content) create_to_excel('E:/testll.xlsx', movieInfo, sheetname="豆瓣电影信息")
好例子网口号:伸出你的我的手 — 分享!
小贴士
感谢您为本站写下的评论,您的评论对其它用户来说具有重要的参考价值,所以请认真填写。
- 类似“顶”、“沙发”之类没有营养的文字,对勤劳贡献的楼主来说是令人沮丧的反馈信息。
- 相信您也不想看到一排文字/表情墙,所以请不要反馈意义不大的重复字符,也请尽量不要纯表情的回复。
- 提问之前请再仔细看一遍楼主的说明,或许是您遗漏了。
- 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦,又没人会搭理,于人于己都无利。
关于好例子网
本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享,对搜索内容的合法性不具有预见性、识别性、控制性,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论平台是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定,若资源存在侵权或相关问题请联系本站客服人员,点此联系我们。关于更多版权及免责申明参见 版权及免责申明
网友评论
我要评论