「python」爬取猫眼 TOP100 电影并以 excel 格式存储

爬取目标

本文将提取猫眼电影 TOP100 排行榜的电影名称、时间、评分、图片等信息,URL 为http://maoyan.com/board/4,提取的结果我们以 excel 格式保存下来。

准备工作

保证电脑安装了 python3.6 和已经安装好了 requests 库、beautifulsoup 库和 openpyxl 库。

前期安装步骤可以参考:https://germey.gitbooks.io/python3webspider/1-%E5%BC%80%E5%8F%91%E7%8E%AF%E5%A2%83%E9%85%8D%E7%BD%AE.html

爬取分析

打开http://maoyan.com/board/4我们会发现榜单主要显示 4 个数据:电影名、主演、上映时间和评分。

如图所示:

猫眼榜单

网页下滑到最下方可以发现有分页的列表,我们点击一下第二页会发现页面的 URL 变成了http://maoyan.com/board/4?offset=10,比之前的页面多了一个 offset=10 的参数,而且页面显示的是排行 11-20 名的电影。

由此我们可以总结出规律,offset 代表了一个偏移量值,如果偏移量为 n,则显示的电影序号就是 n+1 到 n+10,每页显示 10 个。所以我们如果想获取 TOP100 电影,只需要分开请求 10 次,而 10 次的 offset 参数设置为 0,10,20,…,90 即可,这样我们获取不同的页面结果之后再用正则表达式提取出相关信息就可以得到 TOP100 的所有电影信息了。

抓取首页

1import requests 2def get_one_page(url): 3 response = requests.get(url) 4 if response.status_code == 200: 5 return response.text 6 return None 7def main(): 8 url = 'http://maoyan.com/board/4' 9 html = get_one_page(url)10 print(html)11main()

这样我们就可以获取首页的源代码了,获取源代码之后我们要对页面进行解析,提取出我们想要的信息。

使用 BeautifulSoup 进行提取


接下来我们回到网页看一下页面的真实源码,在开发者工具中 Network 监听(建议使用谷歌浏览器,按 F12 即可查看网页信息),然后查看一下源代码。如图所示:

源代

码1

注意这里不要在 Elements 选项卡直接查看源码,此处的源码可能经过 JavaScript 的操作而和原始请求的不同,我们需要从Network选项卡部分查看原始请求得到的源码。

查看其中的一条源代码如图所示:

need-to-insert-img

源代码2

可以看到电影名、主演、上映时间和评分分别在属性 class="name"、class="star"、class="release" 和 class="score"的文本中

那么我们可以用 BeautifulSoup 的方法进行提取: 1def parse_one_page(html): 2 soup = bs4.BeautifulSoup(html, 'lxml') 3 # 获取电影名 4 movies = [] 5 targets = soup.find_all(class_='name') 6 for each in targets: 7 movies.append(each.get_text()) 8 # 获取评分 9 scores = []10 targets = soup.find_all(class_='score')11 for each in targets:12 scores.append(each.get_text())13 # 获取主演信息14 star_message = []15 targets = soup.find_all(class_='star')16 for each in targets:17 star_message.append(each.get_text().split(' ')[1].strip())18 print(each.get_text().split(' ')[1].strip())19 # 获取上映时间20 play_time = []21 targets = soup.find_all(class_='releasetime')22 for each in targets:23 play_time.append(each.get_text())24 result = []25 length = len(movies)26 for j in range(length):27 result.append([movies[j], scores[j], star_message[j], play_time[j]])28 return result

这样我们就成功的将一页的 10 个电影信息都提取出来了

写入文件

随后我们将提取的结果做成 excel 表格形式

1def save_to_excel(result): 2 wb = openpyxl.Workbook() 3 ws = wb.active 4 ws['A1'] = '电影名称' 5 ws['B1'] = '评分' 6 ws['C1'] = '主演' 7 ws['D1'] = '上映时间' 8 for item in result: 9 ws.append(item)10 wb.save('猫眼电影TOP100.xlsx')

分页爬取

但我们需要爬取的数据是 TOP100 的电影,所以我们还需要遍历一下给这个链接传入一个 offset 参数,实现其他 90 部电影的爬取

1for i in range(10):2 headers = {3 'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.116 Safari/537.36',4 }5 url = 'http://maoyan.com/board/4?offset=' + str(i * 10)6 html = get_one_page(url, headers)7 result.extend(parse_one_page(html))

整合代码

到此为止,我们的猫眼电影 TOP100 的爬虫就全部完成了,再稍微整理一下,完整的代码如下:

运行结果如下图:

爬取结果




代码如下:

#!/usr/bin/python

# -*- coding: utf-8 -*-

import requests

import bs4

from requests.exceptionsimport RequestException

import openpyxl

def get_one_page(url,headers):

try :

response = requests.get(url,headers=headers)

if response.status_code==200:

return response.text

else:

return None

    except RequestException:

return None

def parse_one_page(html):

soup=bs4.BeautifulSoup(html)

'''获取电影名称'''

    movies=[]

targrts=soup.find_all(class_='name')

for eachin targrts:

movies.append(each.get_text())

'''获取评分'''

    scores=[]

targets1=soup.find_all(class_='score')

for eachin targets1:

scores.append(each.get_text())

'''获取主演信息'''

    star_message=[]

targets2=soup.find_all(class_='star')

for eachin targets2:

star_message.append(each.get_text())

'''获取上映时间'''

    play_time = []

targets3 = soup.find_all(class_='releasetime')

for eachin targets3:

play_time.append(each.get_text())

result=[]

length=len(movies)

for jin range(length):

result.append([movies[j],scores[j],star_message[j],play_time[j]])

return result

def save_to_excel(result):

wb=openpyxl.Workbook()

ws=wb.active

ws['A1']='电影名称'

    ws['B1']='评分'

    ws['C1']='主演'

    ws['D1']='上映时间'

    for itemin result:

ws.append(item)

wb.save(u'猫眼电影TOP100.xlsx')

def main():

result=[]

for iin range(10):

headers={'User-Agent':'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.116 Safari/537.36'

            }

url='http://maoyan.com/board/4?offset='+str(i*10)

html=get_one_page(url,headers)

result.extend(parse_one_page(html))

save_to_excel(result)

if __name__=="__main__":

main()

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 206,013评论 6 481
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 88,205评论 2 382
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 152,370评论 0 342
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 55,168评论 1 278
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 64,153评论 5 371
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,954评论 1 283
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,271评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,916评论 0 259
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,382评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,877评论 2 323
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,989评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,624评论 4 322
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,209评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,199评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,418评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,401评论 2 352
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,700评论 2 345

推荐阅读更多精彩内容