python基础教程之python爬取豆瓣top250的电影数据并

当前位置:

首页 > Python基础教程 >

python基础教程之python爬取豆瓣top250的电影数据并

爬取网址: https://movie.douban.com/top250

一:爬取思路(新手可以看一下) :
　　　　　　1:定义两个函数,一个get_page函数爬取数据,一个save函数保存数据,mian中向get_page函数传递url和运save函数接受get_page函数传递过来的值
　　　　　　2:准备动手
二:爬取前的准备
　　我是pyhton3  pycharm
　　需要准备的库  requests,lxml,xlwt
　　requests解析url 
　　lxml解析网页,获取数据
　　xlwt 向excle写入数据
三:代码实现(这里只是为了保存数据做演示,没有对数据做处理)

import  requests
from  lxml  import etree
import xlwt

all_list=[]#传入save函数的结果集

def  get_page(url):
    res=requests.get(url)
    if  res.status_code==200:
        html=etree.HTML(res.content)
        all=html.xpath('//div[@class="article"]/ol/li')#所有的数据都在li标签下,我们一这个为总节点
        for detail  in all:
            title=detail.xpath('.//div[@class="hd"]/a/span[1]/text()')[0]#电影名字
            score=detail.xpath('.//span[@class="rating_num"]/text()')[0]#评分
            comment_sum=detail.xpath('.//div[@class="star"]/span[4]/text()')[0]#评论人数
            quote=detail.xpath('.//p[@class="quote"]/span/text()')#引言  由于有的电影没有引言,不判断会报错
            if len(quote)==0:
                quote='暂无引言'
            else:
                quote=quote[0]
            list=[]
            list.append(title)
            list.append(score)
            list.append(comment_sum)
            list.append(quote)
　　　　　　　 print(list) #输出结果在下面
            all_list.append(list)#将所有的list都添加进一个list
    else:
        print(res.status_code1)

def  save(lists):
    book=xlwt.Workbook()
    sheet=book.add_sheet('douban')
    head = ['名字', '评分', '评价人数', '引言']
    for h in range(len(head)):
        sheet.write(0, h, head[h])#写一个表头
    row=1#控制行
    for list in lists:
        print(list)
        col=0#控制列
        for s  in list:#循环我们的list的值
            sheet.write(row,col,s)
            col+=1
        row+=1
    book.save("doubantop250.xls")
if __name__ == '__main__':
    #0  25  50  75
    for  x in range(0,11):
        if x==0:
            url='https://movie.douban.com/top250?start=0'
            get_page(url)
        else:
            x=x*25
            url='https://movie.douban.com/top250?start='+str(x)
            get_page(url)
    save(all_list)#讲结果集传入save函数

输出的list截图:

如果有小伙伴不知道为什么要这样存放数据的话可以看下这个网址:https://www.cnblogs.com/nancyzhu/p/8401552.html,我存入excle的思路就是来源于这个网址,写的真的很容易理解我喜欢.所以本文就不在做过多赘述,有问题的或者觉得有更好的方法的可以一起交流一下

栏目列表