python爬取貓眼電影資訊,取前100名看看哪些電影名列前茅
阿新 • • 發佈:2020-12-19
本文的文字及圖片來源於網路,僅供學習、交流使用,不具有任何商業用途,版權歸原作者所有,如有問題請及時聯絡我們以作處理
一、前言
將貓眼電影庫中的經典影片,按照評分和評分人數綜合排序,取前100名
每天上午10點更新,相關資料來源於“貓眼電影庫”
二、課程亮點
1、分析網頁結構
2、css選擇器解析資料
3、儲存CSV檔案
三、所用到得庫
import requests # 資料請求模組 第三方模組 import parsel # 資料解析模組 import csv # 內建模組
四、環境配置
python 3.6
pycharm
requests
parsel
csv
五、爬蟲案例的一般實現步驟:
1.確定資料所在的url地址(系統性的分析網頁結構<靜態/動態>)
2.傳送指定url地址的請求(requests)
3.資料解析(提取你自己想要的資料)
4.資料的儲存
六、找尋資料所在處
page_num = 0 for page in range(0, 91, 10): page_num += 1 print(f'++++++++++++++++++++++++正在爬取第{page_num}頁資料++++++++++++++++++++++++') # 1.確定資料所在的url地址(系統性的分析網頁結構<靜態/動態>)url = f'https://maoyan.com/board/4?offset={page}' headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.105 Safari/537.36', 'Host': 'maoyan.com', 'Cookie': '__mta=19307015.1608270378570.1608272883017.1608273840603.4; uuid_n_v=v1; uuid=5916177040F411EB8908174FD40B8B01D034C777885540CE816A24F19D4594A4; _csrf=203e7011454c450af49832bbb56b6b0c10a9a947c147679cd60805fd4a6b6d4e; _lxsdk_cuid=1740a7dbe93c8-0066c6e2268b8d-3c634103-1fa400-1740a7dbe94c8; _lxsdk=5916177040F411EB8908174FD40B8B01D034C777885540CE816A24F19D4594A4; _lx_utm=utm_source%3DBaidu%26utm_medium%3Dorganic; Hm_lvt_703e94591e87be68cc8da0da7cbd0be2=1608270376,1608271969; Hm_lpvt_703e94591e87be68cc8da0da7cbd0be2=1608273833; _lxsdk_s=176746274f8-4f3-eec-119%7C%7C12' }
七、處理反爬:
# 2.傳送指定url地址的請求(requests) 處理反爬 response = requests.get(url=url, headers=headers) html_data = response.text # str 正則 # print(html_data)
八、提取資料:
# 3.資料解析(提取你自己想要的資料) css選擇器 # 3.1 轉換資料型別 selector = parsel.Selector(html_data) # print(selector) # 3.2 資料解析 dds = selector.css('.board-wrapper dd') # 所有dd標籤 for dd in dds: # 資料的二次提取 title = dd.css('.name a::attr(title)').get() # 電影名 star = dd.css('.star::text').get().strip() # 主演 releasetime = dd.css('.releasetime::text').get().strip() # 上映時間 score = dd.css('.score i::text').getall() # 上映時間 score = ''.join(score) img_url = dd.css('img:nth-child(2)::attr(data-src)').get() # 上映時間 print(title, star, releasetime, score, img_url, sep=' | ')
九、資料儲存:
# 4.資料的儲存 with open('貓眼100.csv', mode='a', encoding='utf-8', newline='') as f: csv_write = csv.writer(f) csv_write.writerow([title, star, releasetime, score, img_url])