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爬虫获取豆瓣TOP250电影的详细信息 -> 正文阅读

[Python知识库]python爬虫获取豆瓣TOP250电影的详细信息

# encoding:utf-8
# encoding:unicode_escape
import time
import codecs
import requests
import lxml.html

with codecs.open("movies.txt", "w", "utf-8") as f:
    myheaders = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.131 Safari/537.36"}     
    url_tpl = "https://movie.douban.com/top250?start={}&filter="

    for page in range(10):
        # 打印一些信息显示抓取进度
        print("get page {}".format(page+1))
        start = page * 25
        url = url_tpl.format(start)

        # 替换抓取的网址为生成的URL
        http_response = requests.get(url, headers=myheaders)
        http_response.encoding = "utf-8"
        html = lxml.html.fromstring(http_response.text)
        movies = html.xpath('//*[@id="content"]/div/div[1]/ol/li')

        for movie in movies:
            # 强制转换为python字符串
            movie_text = str(movie.text_content())
            # 去掉换行符,保证数据文本都输出在一行
            clean_movie_text = movie_text.replace("\n", "")
            # 直接将文本打印到打开的文件里
            print(clean_movie_text, file=f)
            
        # 根据豆瓣电影的robots.txt,暂停5秒
        time.sleep(5)

运行过程

由于豆瓣TOP250的电影网页每一页只展示25个电影,因此需要爬取共10页。
在这里插入图片描述
完成后会在py代码的共同目录下生成一个movies.txt文档。
文档里面就是TOP250的详细信息了:
在这里插入图片描述

  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:2021-11-27 09:51:35  更:2021-11-27 09:52:35 
 
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 -2024/11/16 2:30:21-

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