python爬取豆瓣电影排行榜(requests)的示例代码
作者:Alvin_轩 发布时间:2022-10-16 02:18:46
'''
爬取豆瓣电影排行榜
设计思路:
1、先获取电影类型的名字以及特有的编号
2、将编号向ajax发送get请求获取想要的数据
3、将数据存放进excel表格中
'''
环境部署:
软件安装:
Python 3.7.6
官网地址:https://www.python.org/
安装地址:https://www.python.org/ftp/python/3.7.6/python-3.7.6-amd64.exe
PyCharm 2020.2.2 x64 位
官网地址:https://www.jetbrains.com/pycharm/download/#section=windows
参考教程:https://www.jb51.net/article/197466.htm
模块安装(打开cmd或powershell进行下面的命令安装【前提需要有python】):安装requests模块、lxml模块(发送请求,xpath获取数据)
pip install requests #(主要用来发送请求,获取响应)
pip install lxml #(主要引用里面的etree里面的xpath方法)
安装xpathhelper插件(可以在网页中复制相应的节点xpath路径并查看)
1、下载地址:
链接: https://pan.baidu.com/s/1zfpnrnFtZaxrgqrUX9y5Yg
提取码: fmsu
2、window平台下:
· 把文件的后缀名crx改为rar,然后解压到同名文件夹中
· 打开谷歌的扩展程序 ——> 进入到管理管理扩展程序中
· 打开开发者模式,通过加载已解压的扩展程序,将插件导入
3、ios平台下:
· 直接将crx文件拖进扩展程序中
安装xlwt模块(将数据存放进excel表格)
pip install xlwt
项目中需要引入的模块:
import requests
from lxml import etree
import xlwt
import time
使用流程:
在列表中填写所需要获取的电影类型名
输入开始时获取的start以及获取多少数据的limit
填写所要输出的excel表格的名字(代码中默认douban.xls)
程序运行结束后打开excel验证数据是否获取
观察自己所需的数据
完整代码:
# encoding=utf8
# 编程者 :Alvin
'''
爬取豆瓣电影排行榜
设计思路:
1、先获取电影类型的名字以及特有的编号
2、将编号向ajax发送get请求获取想要的数据
3、将数据存放进excel表格中
'''
import requests
from lxml import etree
import xlwt
import time
class DouBan():
# 初始化数据,获取最外层的数据
def __init__(self, name_list):
self.headers = {
"User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.150 Safari/537.3",
"Connection": "close",
"Referer": "https://movie.douban.com/"
}
# 获取最外层的数据,并拿到url中的type中的name 和 类型
self.url = 'https://movie.douban.com/chart'
self.dydata_list = []
# 电影的类型名
self.name_list = name_list
# 实例化excel表格对象
self.wb = xlwt.Workbook()
# 通过电影的类型名字获取对应的类型号
def get_data_typenum(self, name):
for data in self.dydata_list:
if data['name'] == name:
typenum =data['dytype']
else:
continue
return typenum
# 获取数据
def get_data_p1(self):
response = requests.get(self.url , headers = self.headers)
# 判断长度是否足够大
# print(len(response.content.decode()))
return response.content.decode()
# 获取下一层的页面数据
def get_data_p2(self, typenum, num, limit):
url = 'https://movie.douban.com/j/chart/top_list'
params = {
'type': typenum,
'interval_id': '100:90',
'action':'',
'start': num*20,
'limit': limit
}
response = requests.get(url,params=params,headers=self.headers)
# print(response.json())
return response.json()
# 处理数据
def data_parse_p1(self, data):
html = etree.HTML(data)
data_list = html.xpath('//div[@class="types"]/span/a/@href')
# 用于收集类型名字
name_list = []
dytype_list = []
# 用于收集类型号
for data in data_list:
name = data.split('?')[-1].split('&')[0].split('=')[-1]
dytype = data.split('?')[-1].split('&')[1].split('=')[-1]
name_list.append(name)
dytype_list.append(dytype)
for (name,dytype) in zip(name_list,dytype_list):
dydict = {}
dydict['name'] = name
dydict['dytype'] = dytype
self.dydata_list.append(dydict)
# print(self.dydata_list)
return self.dydata_list
def data_parse_p2(self, data_list,name):
print(len(data_list))
douban = self.wb.add_sheet(name)
style = xlwt.XFStyle() # 初始化一个style对象,用来保存excel的样式
font = xlwt.Font() # 创建一个font对象,用来保存对字体进行的操作
font.name = '微软雅黑' # 字体设置为'微软雅黑'
font.bold = True # 字体加粗
al = xlwt.Alignment() # 创建一个对齐对啊想,用来改变文本内容的字体
style.font = font # 将字体信息保存到style对象中
style.alignment = al
# 水平对齐方式、水平居中
al.horz = 0x02
# 垂直对齐方式、垂直居中
al.vert = 0x01
# 电影的标题
douban.col(0).width = 256 * 25
# 电影演员的名字
douban.col(1).width = 256 * 50
# 电影上映的年份
douban.col(2).width = 256 * 15
# 电影上映的国家
douban.col(3).width = 256 * 15
# 电影的标签
douban.col(4).width = 256 * 20
# 电影的评分
douban.col(5).width = 256 * 8
# 豆瓣中该电影的页面链接
douban.col(6).width = 256 * 40
douban.write(0, 0, '电影标题', style)
douban.write(0, 1, '电影演员名字', style)
douban.write(0, 2, '电影上映年份', style)
douban.write(0, 3, '电影上映国家', style)
douban.write(0, 4, '电影标签', style)
douban.write(0, 5, '电影评分', style)
douban.write(0, 6, '豆瓣中该电影的页面链接', style)
row = 1
for data in data_list:
# 电影的标题
title = data['title']
# 电影演员的名字
actors = data['actors']
# 电影上映的年份
release_date = data['release_date']
# 电影上映的国家
regions = data['regions'][0]
# 电影的标签
types = data['types']
# 电影评分
score = data['score']
# 豆瓣查看的链接
link = data['url']
douban.write(row, 0, title)
douban.write(row, 1, actors)
douban.write(row, 2, release_date)
douban.write(row, 3, regions)
douban.write(row, 4, types)
douban.write(row, 5, score)
douban.write(row, 6, link)
row += 1
self.wb.save('douban.xls')
# 运行程序
def run(self, num, limit):
# 获取第一层中的所需要的类型名字和数字
self.data_parse_p1(self.get_data_p1())
for name in self.name_list:
typenum = self.get_data_typenum(name)
# 向指定的分类进行数据的访问
data_list = self.get_data_p2(typenum,num,limit)
# 对获取的数据进行解析保存
self.data_parse_p2(data_list,name)
if __name__ == '__main__':
# 需要查看的类型
douban = DouBan(['喜剧','悬疑','惊悚'])
# 需要查看的开始值start,以及需要查看的数量limit
douban.run(0,100)
time.sleep(2)
效果图pycharm 运行台
excel表格显示
本案例笔者的想法是打算先获取到每一个电影类型的前100个数据,然后在excel表格中进行评分的筛选,最后观察现阶段某个电影类型中哪些电影在豆瓣电影中评分较高的
来源:https://www.cnblogs.com/xuan68/p/14406321.html
猜你喜欢
- 0.引言利用python开发,借助Dlib库捕获摄像头中的人脸,提取人脸特征,通过计算欧氏距离来和预存的人脸特征进行对比,达到人脸识别的目的
- JSON(JavaScript Object Notation)是一种轻量级的数据交换格式,它基于ECMAScript的一个子集。 JSON
- 先看一个实例这是我用asp写的一个搜索一个字符串里面第一张图片地址的函数(当然你可以将values那里换一个得到所有图片地址)functio
- 很多人在使用AJAX调用别人站点内容的时候,JS会提示"没有权限"错误,这是XMLHTTP组件的限制-安全起见禁止访问非
- 随着对Dreamweaver cs3中集成Spry功能的深入学习,了解并掌握到Spry框架的一些功能模块,其中就有通过Dreamweaver
- 首先,啰嗦几句废话如下: (1)触发器(trigger)是个特殊的存储过程,它的执行并不需要我们去显式调用,而是由一些事件触发,这有点类似C
- 1.使用iloc对数据进行批量修改使用iloc最简单的就是将数据批量修改为某个特定的值以下是我随便写入的数据:现在将[‘
- 最近一直在研究python+selenium+beautifulsoup的爬虫,但是存入数据库还有写入txt文件里面的时候一直都是unico
- CONVERT将某种数据类型的表达式显式转换为另一种数据类型。由于某些需求经常用到取日期格式的不同.现以下可在SQL Server中将日期格
- 文章主要讲术了一些SQL Server新的Bug,帮您认识这些被忽略的SQL Server注入技巧。1.关于Openrowset和Opend
- 一、PIL库对图像的基本操作1、读取图片PIL网上有很多介绍,这里不再讲解。直接操作,读取一张图片,将其转换为灰度图像,并打印出来。from
- 本文实例讲述了javascript二维数组转置的方法。分享给大家供大家参考。具体实现方法如下:<script language=&qu
- Python的functools模块提供了很多有用的功能,其中一个就是偏函数(Partial function)。要注意,这里的偏函数和数学
- 我们提倡无论何时都尽可能地使用CSS,这样我们更容易取得成功.现在浏览器对CSS的支持已经非常好,肯定足以让你用来控制你的网页布局与排版.但
- 对于相册来说,大图的浏览非常重要,因为对浏览者来说最重要的就是大图看得爽不爽,因为做项目的需要,我比较了许多相册的大图浏览方式,现在一一评说
- 本文实例讲述了php遍历CSV类。分享给大家供大家参考。具体如下:<?phpclass CSVIterator implements
- 在网上的一些资料的基础上自己又添了些新内容,算是Python socket编程练手吧。#coding=utf-8import socketi
- 又从 James Padolsey 这里得到个好的点子。在实际写脚本过程中可能有段 Javascript 和 HTML 非常相关(比如实例化
- 1. 引言作为一名算法工程师,如何快速实现一个想法并验证它是否有效对日常工作至关重要。Python 是一个出色的工具,可以很方便地实现这一点
- 这篇文章主要介绍了简单了解Python3 bytes和str类型的区别和联系,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的