#爬蟲
# -*- codeing = utf-8 -*-
from bs4 import BeautifulSoup  # 網頁解析，獲取資料
import re  # 正則表示式，進行文字匹配`
import urllib.request, urllib.error  # 制定URL，獲取網頁資料
import xlwt  # 進行excel操作

findLink = re.compile(r'<a href="(.*?)">')  # 建立正則表示式物件，標售規則   影片詳情連結的規則
findImgSrc = re.compile(r'<img.*src="(.*?)"
 
', re.S)
findTitle = re.compile(r'<span class="title">(.*)</span>')
findRating = re.compile(r'<span class="rating_num" property="v:average">(.*)</span>')
findJudge = re.compile(r'<span>(\d*)人評價</span>')
findInq = re.compile(r'<span class="inq">(.*)</span>'
 
)
findBd = re.compile(r'<p class="">(.*?)</p>', re.S)

def main():
    baseurl = "https://movie.douban.com/top250?start="  #要爬取的網頁連結
    # 1.爬取網頁
    datalist = getData(baseurl)
    savepath = "豆瓣電影Top250.xls"    #當前目錄新建XLS，儲存進去
    # 2.儲存資料
    saveData(datalist,savepath) 



# 爬取網頁
def getData(baseurl):
    datalist 
 
= []  #用來儲存爬取的網頁資訊
    for i in range(0, 10):  # 呼叫獲取頁面資訊的函式，10次
        url = baseurl + str(i * 25)
        html = askURL(url)  # 儲存獲取到的網頁原始碼
        # 2.逐一解析資料
        soup = BeautifulSoup(html, "html.parser")
        for item in soup.find_all('div', class_="item"):  # 查詢符合要求的字串
            data = []  # 儲存一部電影所有資訊
            item = str(item)
            link = re.findall(findLink, item)[0]  # 通過正則表示式查詢
            data.append(link)
            imgSrc = re.findall(findImgSrc, item)[0]
            data.append(imgSrc)
            titles = re.findall(findTitle, item)
            if (len(titles) == 2):
                ctitle = titles[0]
                data.append(ctitle)
                otitle = titles[1].replace("/", "")  #消除轉義字元
                data.append(otitle)
            else:
                data.append(titles[0])
                data.append(' ')
            rating = re.findall(findRating, item)[0]
            data.append(rating)
            judgeNum = re.findall(findJudge, item)[0]
            data.append(judgeNum)
            inq = re.findall(findInq, item)
            if len(inq) != 0:
                inq = inq[0].replace("。", "")
                data.append(inq)
            else:
                data.append(" ")
            bd = re.findall(findBd, item)[0]
            bd = re.sub('<br(\s+)?/>(\s+)?', "", bd)
            bd = re.sub('/', "", bd)
            data.append(bd.strip())
            datalist.append(data)

    return datalist


# 得到指定一個URL的網頁內容
def askURL(url):
    head = {  # 模擬瀏覽器頭部資訊，向豆瓣伺服器傳送訊息
        "User-Agent": "Mozilla / 5.0(Windows NT 10.0; Win64; x64) AppleWebKit / 537.36(KHTML, like Gecko) Chrome / 80.0.3987.122  Safari / 537.36"
    }
    # 使用者代理，表示告訴豆瓣伺服器，我們是什麼型別的機器、瀏覽器（本質上是告訴瀏覽器，我們可以接收什麼水平的檔案內容）

    request = urllib.request.Request(url, headers=head)
    html = ""
    try:
        response = urllib.request.urlopen(request)
        html = response.read().decode("utf-8")
    except urllib.error.URLError as e:
        if hasattr(e, "code"):
            print(e.code)
        if hasattr(e, "reason"):
            print(e.reason)
    return html


# 儲存資料到表格
def saveData(datalist,savepath):
    print("save.......")
    book = xlwt.Workbook(encoding="utf-8",style_compression=0) #建立workbook物件
    sheet = book.add_sheet('豆瓣電影Top250', cell_overwrite_ok=True) #建立工作表
    col = ("電影詳情連結","圖片連結","影片中文名","影片外國名","評分","評價數","概況","相關資訊")
    for i in range(0,8):
        sheet.write(0,i,col[i])  #列名
    for i in range(0,250):
        # print("第%d條" %(i+1))       #輸出語句，用來測試
        data = datalist[i]
        for j in range(0,8):
            sheet.write(i+1,j,data[j])  #資料
    book.save(savepath) #儲存


if __name__ == "__main__":  # 當程式執行時
    # 呼叫函式
     main()
     print("爬取完畢！")