zoukankan      html  css  js  c++  java
  • 使用Beautiful Soup爬取猫眼TOP100的电影信息

      使用Beautiful Soup爬取猫眼TOP100的电影信息,将排名、图片、电影名称、演员、时间、评分等信息,提取的结果以文件形式保存下来。

    import time
    import json
    import requests
    from bs4 import BeautifulSoup
    
    def get_one_page(url):
        try:
            headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36'
                       + '(KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36'}
            response = requests.get(url, headers=headers)
            response.encoding = response.apparent_encoding
            if response.status_code == 200:
                return response.text
            return None
        except RequestException:
            return None
    
    def parse_one_page(text):
        soup = BeautifulSoup(text, 'lxml') #使用lxml XML 解析库
        #CSS选择器
        #div p 选择div节点内部的所有p节点
        #div>p 选择父节点为div节点的所有p节点
        #调用select()方法,传入相应的CSS选择器
        ranking = soup.select('dd .board-index') #后代选择器
        imgsrc = soup.select('#app > div > div > div.main > dl > dd > a > img.board-img') #子代选择器
        title = soup.select('#app > div > div > div.main > dl > dd > a')
        #star = soup.select('#app > div > div > div.main > dl > dd > div > div > div.movie-item-info > p.star')
        #find_all()查询所有符合条件的元素
        star = soup.find_all(name='p', class_='star') #class是关键字,所以加下划线
        releasetime = soup.find_all(name='p', class_='releasetime')
        interger = soup.find_all(name='i', class_='integer')
        fraction = soup.find_all(name='i', class_='fraction')
        for i in range(10):
            yield {
                    'index': ranking[i].string, #亦可用get_text()
                    'image': imgsrc[i].attrs['data-src'],
                    'title': title[i]['title'], #这两种都可以获取属性值
                    'actor': star[i].string.strip()[3:],
                    'time': releasetime[i].string.strip()[5:],
                    'score': interger[i].string + fraction[i].string
                }
          
        
    def write_to_file(content):
        with open('maoyan.txt', 'a', encoding='utf-8') as f:
            f.write(json.dumps(content, ensure_ascii=False)+'
    ')
            
            
    def main(offset):
        url = 'https://maoyan.com/board/4?offset=' + str(offset)
        text = get_one_page(url)
        for item in parse_one_page(text):
            print(item)
            #write_to_file(item)
            
        
    if __name__ == '__main__':
        for i in range(10):
            main(offset=i*10)
            time.sleep(1)
  • 相关阅读:
    解决证书过期而无法连接到或启动HyperV虚拟机的问题
    Hyperv相关补丁(错误号87 Virtual Machine Management服务无法启动)
    Formula One Report学习总结
    漂亮的Form皮肤
    FarPoint Design BorderEditor(边框设计)
    保存图片到SQL Server
    发布一个的Web日期选择控件及源码(其中的js代码来自于Microsoft CRM)
    自谈音乐之道
    SQL Server 存储过程的分页
    教你9招最有效防电脑辐射方法
  • 原文地址:https://www.cnblogs.com/oeong/p/11652812.html
Copyright © 2011-2022 走看看