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 -> 爬虫小例子之爬取猫眼top100 -> 正文阅读

[Python知识库]爬虫小例子之爬取猫眼top100



'''

爬取https://maoyan.com/board/4?offset=0 电影名,主演,上映时间,评分

需要useragent 不能爬取太快
'''
import spider_tool
import requests
from lxml import etree
import pymysql
import time


def get_html(url):
    '''
    得到页面的返回
    :param url:
    :return:
    '''
    t = spider_tool.Tool()
    ua = t.generate_user_agent()
    headers = {
        "User-Agent": ua
    }
    print(headers)
    res = requests.get(url,headers=headers)
    res.encoding = res.apparent_encoding
    return  res

def get_data(res):
    '''
    获取具体数据
    :param res:
    :return:
    '''
    print(res.status_code)
    print("分析")
    html = etree.HTML(res.text)
    name_list = html.xpath("//p[@class='name']/a/@title")
    star_list = [i.strip() for i in html.xpath("//p[@class='star']/text()")]
    releasetime_list = html.xpath("//p[@class='releasetime']/text()")
    score_list = [i.xpath('string(.)') for i in html.xpath("//p[@class='score']")]
    for name,star,releasetime,score in zip(name_list,star_list,releasetime_list,score_list):
        print(name)
        print(star)
        print(releasetime)
        print(score)
        save_to_mysql(name,star,releasetime,score)
def save_to_mysql(*args):
    '''
    存入数据库中
    :param args:
    :return:
    '''
    print(args)
    sql = 'insert into movies_info(name,star,time,score) values(%s,%s,%s,%s)'
    try:
        cursor.execute(sql, args)
    except Exception as e:
        print(e)
        conn.rollback()
    else:
        print("存入数据库")
        conn.commit()

if __name__ == '__main__':
    conn = pymysql.Connect(
        host='localhost',
        user='root',
        password='123456',
        database='testdata',
        charset='utf8',
        port=3306
    )
    cursor = conn.cursor()
    for i in range(10):
        url = 'https://maoyan.com/board/4?offset=%s'%(i*10)
        print(url)
        time.sleep(2)
        get_data(get_html(url))
    
    cursor.close()
    conn.close()

  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:2021-10-21 12:08:59  更:2021-10-21 12:10:14 
 
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 21:09:20-

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