Python学习第四天

爬取豆瓣top250电影

import requests
from lxml import etree
import pandas as pd
def parse():
    """豆瓣网top250爬虫"""
    # 1、获取url地址
    # for i in range(0, 226, 25):
    #     url = 'https://movie.douban.com/top250?start={}&filter='.format(i)
    #     print(url)
    #     # 获取 byte的类型的响应
    #     resp = requests.get(url)
    #     data = resp.content
    headers = {"User-Agent": "ozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.131 Safari/537.36"}
    #定义列表存储top250信息[{},{},{}]
    movie_info_list=[]
    # 1、获取url地址
    # 循环每一页
    for i in range(0, 226, 25):
        url = 'https://movie.douban.com/top250?start={}&filter='.format(i)
        # print(url)
        # 获取 byte的类型的响应
        # resp = requests.get(url)
        # data = resp.content
        # url = 'https://movie.douban.com/top250?start=0&filter='
        # 获取 byte的类型的响应
        resp = requests.get(url,headers=headers)
        data = resp.content
        # 调用etree.HTML获取html对象,然后调用html的xpath语法
        html = etree.HTML(data)

        movie_list = html.xpath('//div[@id="content"]//ol/li')
        # print(len(movie_list))
        for movie in movie_list:
            # 获取电影序号
            serial_number = movie.xpath('./div[@class="item"]/div[@class="pic"]/em/text()')
            serial_number = '' if len(serial_number)==0 else serial_number[0]
            # print(serial_number)

            movie_name = movie.xpath('./div[@class="item"]/div[@class="info"]/div[@class="hd"]/a/span[1]/text()')
            movie_name = '' if len(movie_name) == 0 else movie_name[0]
            # print(movie_name)


    # serial_number = html.xpath('//*[@id="content"]/div/div[1]/ol/li[1]/div/div[1]/em/text()')
    # print(serial_number)
    # 电影名称
    # movie_name =

    # 电影介绍
    # introduce =
            introduce = movie.xpath('./div[@class="item"]/div[@class="info"]/div[@class="bd"]/p/text()')
            introduce = '' if len(introduce) == 0 else introduce[0]
            #去两端空格操作
            introduce=introduce.strip()
            # print(introduce)

    # 电影星级
    # star =
            star = movie.xpath('./div[@class="item"]/div[@class="info"]/div[@class="bd"]/div[@class="star"]/span[2]/text()')
            star = '' if len(star) == 0 else star[0]
            # print(star)

    # 电影的评价
    # evalute =
            evalute = movie.xpath('./div[@class="item"]/div[@class="info"]/div[@class="bd"]/div[@class="star"]/span[4]/text()')
            evalute = '人评价' if len(evalute) == 0 else evalute[0]
            evalute=evalute.replace('人评价','')
            # print(evalute)
    # 电影的描述
    # describe =
            describe = movie.xpath('./div[@class="item"]/div[@class="info"]/div[@class="bd"]/p[@class="quote"]/span[1]/text()')
            describe = '' if len(describe) == 0 else describe[0]
            # print(describe)
    #详情链接的地址
            detail_link = movie.xpath('./div[@class="item"]/div[@class="pic"]/a/@href')
            detail_link  = '' if len(detail_link ) == 0 else detail_link [0]
            # print(detail_link )
    #图片的地址
            img_url=movie.xpath('./div[@class="item"]/div[@class="pic"]/a/img/@src')
            img_url  = '' if len(img_url ) == 0 else img_url [0]
            # print(img_url )

            movie_info_list.append({
                'serial_number':serial_number,
                'movie_name':movie_name,
                'introduce':introduce,
                'star':star,
                'evalute':evalute,
                'describe':describe,
                'detail_link':detail_link,
                'img_url':img_url,



            })
    # for movie_info in movie_info_list:
    #     print(movie_info)
    #     resp=requests.get(movie_info['img_url'])
    #     if resp.status_code==200:
    #         #执行图片写入操作
    #         #参考图片命名方式  0000001.jpg
    #         img_name='000000{}.jpg'.format(movie_info['serial_number'])
    #         with open('./imgs/{}'.format(img_name),'wb') as f:
    #             f.write(resp.content)

    for movie_info in movie_info_list:
        print(movie_info)
        resp = requests.get(movie_info['img_url'])
        if resp.status_code == 200:
            # 执行图片写入操作
            # 参考图片命名方式   001.jpg
            img_name = '000000{}.jpg'.format(movie_info['serial_number'])
            with open('./imgs/{}'.format(img_name), 'wb')as f:
                f.write(resp.content)

    # 存储成csv

    df = pd.DataFrame(movie_info_list)
    df.to_csv('douban_top250_info.csv')



parse()




输出结果:


image.png

爬取猫眼top100

import requests
from lxml import etree
import pandas as pd
def parse():
    """豆瓣网top250爬虫"""
    # 1、获取url地址
    # for i in range(0, 226, 25):
    #     url = 'https://movie.douban.com/top250?start={}'.format(i)
    #     print(url)
    #     # 获取 byte的类型的响应
    #     resp = requests.get(url)
    #     data = resp.content
    headers = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.131 Safari/537.36"}
    # 定义列表存储top250信息 [{},{},{}]
    movie_info_list = []
    #
    # 循环每一页
    for i in range(0, 91, 10):
        url = 'https://maoyan.com/board/4?offset={}'.format(i)

        # 获取 byte的类型的响应
        req = requests.get(url , headers = headers)
        req.encoding = 'utf-8'
        data = req.text
        # 调用etree.HTML获取html对象,然后调用html的xpath语法
        html = etree.HTML(data)

        movie_list = html.xpath('//div[@class="main"]/dl/dd')
        # print(len(movie_list))
        for movie in movie_list:

            movie_name = movie.xpath('./div/div/div[1]/p[1]/a/text()')
            movie_name = '' if len(movie_name) == 0 else movie_name[0]
            # print(movie_name)


            # 演员介绍
            # role =
            role = movie.xpath('./div/div/div[1]/p[2]/text()')
            role = '' if len(role) == 0 else role[0]
            #去两端空格操作
            role=role.strip()
            # print(role)

            # 电影时间
            # # time =
            time = movie.xpath('./div/div/div[1]/p[3]/text()')
            time = '' if len(time) == 0 else time[0]
            # print(time)

            movie_info_list.append({

                'movie_name':movie_name,
                'role':role,
                'time':time,

            })
    for movie_info in movie_info_list:
        print(movie_info)
parse()




输出结果:


image.png
©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 206,839评论 6 482
  • 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 88,543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 153,116评论 0 344
  • 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 55,371评论 1 279
  • 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 64,384评论 5 374
  • 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 49,111评论 1 285
  • 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 38,416评论 3 400
  • 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 37,053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 43,558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 36,007评论 2 325
  • 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 38,117评论 1 334
  • 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 33,756评论 4 324
  • 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 39,324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 30,315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 31,539评论 1 262
  • 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 45,578评论 2 355
  • 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 42,877评论 2 345

推荐阅读更多精彩内容

  • 你说你来看我, 因为你太想念 好啊,这也是我这么多年来日日的期盼 清晰的记得你的脸 拥抱的那么紧吻得那么温暖 你说...
    沙原阅读 408评论 0 0
  • 要想知道一个人的很多事情,只要看看他穿的鞋子就能知道,他会往哪走,他住在哪里。 ...
    苏宇城阅读 800评论 0 2
  • 一、冬寒料峭,烟雨凄迷 冬夜渐寒,雨水也不断,窗头总是滴答雨声,特别是在清闲静谧的午夜和晨间,这雨声更让人听得细致...
    TAE田毅阅读 324评论 0 1
  • 人生目标关键词: 健康*美丽、提升&工作、家庭&人际、财富 纪念日: 晨间日记坚持100天 每日一诗:恨君不似江楼...
    芙蓉照水阅读 224评论 0 0
  • 果然做什么事一定要坚持,哪怕没啥事,也要坚持输出,坚持写作。因为身体原因,一不小心断更两天了,其实今天还没啥内容写...
    闻到花香阅读 70评论 0 1