IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> Python知识库 -> python获取豆瓣排行250 -> 正文阅读

[Python知识库]python获取豆瓣排行250

1.添加请求头,防止被拦截

dic = {
    "User-Agent" : "Mozilla/5.0 (Windows NT 10.0; Win64; x64) 
    AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.
    106 Safari/537.36"
}

2.预编译正则表达式,用于过滤无用信息

# cinema_name:电影名;Release_date:上映日期;
# grade:评分 ;Evaluation_number:评价人数;筛选出如下四个数据;
obj = re.compile(r'<li>.*?<div class="item">.*?<span class="title">(?P<cinema_name>.*?)'
                 r'</span>.*?<p class="">.*?<br>(?P<Release_date>.*?)&nbsp.*?'
                 r'<span class="rating_num" property="v:average">(?P<grade>.*?)</span>.*?'
                 r'<span>(?P<Evaluation_number>.*?)</span>', re.S)

3.获取网页内容

250条数据一共有十页,所以需要获取十页网页的内容

# 获取当前页数为page的网页对象并返回,这个对象包含了该网页的所有数据
def get_web_content(page):
    url = 'https://movie.douban.com/top250?start=%d&filter='%(page)
    web_content = requests.get(url, headers=dic)
    return web_content
    
# 合并十页的内容
web_content_all = get_web_content(0).text
for i in range(1,10):
    web_content_all = web_content_all + get_web_content(i*25).text

4.对获取的内容进行过滤

select_information = obj.finditer(web_content_all)

5.保存数据

# 新建一个csv文件用于保存数据
# newline="":csv文件去掉多余换行
Data_file = open("data.csv", mode="w", newline="")
csv_writer = csv.writer(Data_file)

# 将抓取的信息转换为字典存储并且写入csv文件
for i in select_information:
    dic = i.groupdict()
    dic['Release_date'] = dic['Release_date'].strip()
    csv_writer.writerow(dic.values())

Data_file.close()
print("over!")

6.完整代码

import requests
import re
import csv

# 添加请求头,防止被拦截
dic = {
    "User-Agent" : "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.106 Safari/537.36"
}

# 获取当前页数为page的网页对象并返回,这个对象包含了该网页的所有数据
def get_web_content(page):
    url = 'https://movie.douban.com/top250?start=%d&filter='%(page)
    web_content = requests.get(url, headers=dic)
    return web_content

# compile:预编译正则表达式,可以重复使用
obj = re.compile(r'<li>.*?<div class="item">.*?<span class="title">(?P<cinema_name>.*?)'
                 r'</span>.*?<p class="">.*?<br>(?P<Release_date>.*?)&nbsp.*?'
                 r'<span class="rating_num" property="v:average">(?P<grade>.*?)</span>.*?'
                 r'<span>(?P<Evaluation_number>.*?)</span>', re.S)

# 获取10页共250数据网页内容text
web_content_all = get_web_content(0).text
for i in range(1,10):
    web_content_all = web_content_all + get_web_content(i*25).text

# 开始匹配
select_information = obj.finditer(web_content_all)

# 新建一个csv文件用于保存数据
# newline="":csv文件去掉多余换行
Data_file = open("data.csv", mode="w", newline="")
csv_writer = csv.writer(Data_file)

# 将抓取的信息转换为字典存储并且写入csv文件
for i in select_information:
    dic = i.groupdict()
    dic['Release_date'] = dic['Release_date'].strip()
    csv_writer.writerow(dic.values())

Data_file.close()
print("over!")

偷偷地问一下,写这种博客违规嘛?

  Python知识库 最新文章
Python中String模块
【Python】 14-CVS文件操作
python的panda库读写文件
使用Nordic的nrf52840实现蓝牙DFU过程
【Python学习记录】numpy数组用法整理
Python学习笔记
python字符串和列表
python如何从txt文件中解析出有效的数据
Python编程从入门到实践自学/3.1-3.2
python变量
上一篇文章      下一篇文章      查看所有文章
加:2021-09-13 09:13:47  更:2021-09-13 09:15:31 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 -2024/11/15 14:37:54-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码