zoukankan      html  css  js  c++  java
  • 2020/2/28 爬取豆瓣网电影

    
    #coding:utf-8
    import requests
    from lxml import etree
    #1:将目标网站上的页面抓取下来
    proxy = {
        'http':'120.11.0.63:9000'#设置代理
    }
    headers = {
        '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'
        
    }
    url = 'https://movie.douban.com/cinema/nowplaying/jining/'
    response = requests.get(url,headers=headers,proxies=proxy)
    #print(response.text)
    # response.text:返回的是一个经过解码后的字符串,是str(unicode)类型
    # response.content :返回的是一个原生的字符串,就是从网页上抓取下来的,没有经过处理的字符串,是byte类型。
    #with open('renren.html','w',encoding='utf-8') as fb:
    #    fb.write(response.text)
    text = response.text
    #2:将抓取下来的数据根据一定的规则进行提取
    html = etree.HTML(text)
    ul = html.xpath("//ul[@class='lists']")[0]
    #print(etree.tostring(ul,encoding='utf-8').decode("utf-8"))
    lis = ul.xpath("./li")
    movies = []
    for li in lis:
        #print(etree.tostring(li,encoding='utf-8').decode('utf-8'))
         title = li.xpath("@data-title")[0]
         #print(title)
         wish = li.xpath("@data-wish")[0]
         region = li.xpath("@data-region")[0]
         director = li.xpath("@data-director")[0]
         actors = li.xpath("@data-actors")[0]
         posts = li.xpath(".//img/@src")
         movie = {
             'title': title,
             'wish': wish,
             'region': region,
             'direction': director,
             'actors' : actors,
             'posts' : posts
         }
         movies.append(movie)
    print(movies)
         
    
    

  • 相关阅读:
    SSM:Spring整合SpringMVC框架
    SSM:搭建整合环境
    SpringMVC:常用注解
    SpringMVC的入门案例
    base64
    windows设置exe开机自启动
    Python-wmi模块
    Base64String转为图片并保存
    java给图片添加水印图片
    uni-app中封装axios请求
  • 原文地址:https://www.cnblogs.com/wangtanzhi/p/12380753.html
Copyright © 2011-2022 走看看