欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

BeautifulSoup技术爬取豆瓣TOP250

程序员文章站 2022-07-02 22:35:52
爬取豆瓣top2501.环境:VS20192.首先安装re, BeautifulSoup,codecs,requests库,可以用 pip安装功能:将top250的电影名,评分,评价人数,链接,影评获取下来并生成.html文件 效果如图:先展示爬虫函数:def pachong(url): cc = requests.get(url,headers=headers) cc=cc.text cc = BeautifulSoup(cc,"html.parser")...

爬取豆瓣top250

1.环境:VS2019
2.首先安装re, BeautifulSoup,codecs,requests库,可以用 pip安装
功能:将top250的电影名,评分,评价人数,链接,影评获取下来并生成.html文件 效果如图:

BeautifulSoup技术爬取豆瓣TOP250
先展示爬虫函数:

def pachong(url):
   cc = requests.get(url,headers=headers)
   cc=cc.text
   cc = BeautifulSoup(cc,"html.parser")
   print(u'豆瓣top250 \n')
   for tag in cc.find_all(attrs={"class":"item"}):
       shu = tag.find('em').get_text() #序号
       print (shu)
       outf.write(u"<tr><th>"+ shu)

       name = tag.find_all(attrs={"class":"title"}) #中文名称
       zname = name[0].get_text()
       print (u'[名称]',zname)
       outf.write(u"</th><th>"+ zname)

       urlm = tag.find(attrs={"class":"hd"}).a  #链接
       urls = urlm.attrs['href']
       print (u'[链接]',urls)
       outf.write(u"</th><th>"+urls)

       ping = tag.find(attrs={"class":"star"}).get_text() #评分评论
       ping = ping.replace('\n',' ')
       ping = ping.lstrip()
       mode = re.compile(r'\d+\.?\d*')
       mm = mode.findall(ping)
       k=0
       for n in mm:
           if k==0:
               print (u"[分数]"+n)
               outf.write(u"</th><th>" + n)
           elif k==1:
               print (u"[评论人数]"+n)
               outf.write(u"</th><th>" +n)
           k=k+1
       
       yu = tag.find(attrs={"class":"inq"}) #评语
       if(yu):
           content = yu.get_text()
           print (u'[评语]',content)
           outf.write(u"</th><th>")
           outf.write(content)
           outf.write(u"</th></tr>"+"\n")

注意:1.爬取豆瓣网时需要有请求头
2.此处用的beautifsoup技术进行爬取
3.写入的文件的是.html所以有<th></th><tr>等写入文件,这是.html语言

因为一个网页只有部分电影所以需要翻页爬取,顾在主函数时要多次调用pachong函数
完整代码见下一篇博客。

本文地址:https://blog.csdn.net/m0_46968194/article/details/110789905