前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >requests项目实战--抓取猫眼电影排行

requests项目实战--抓取猫眼电影排行

作者头像
py3study
发布2020-01-21 11:53:32
3730
发布2020-01-21 11:53:32
举报
文章被收录于专栏:python3python3

requests项目实战--抓取猫眼电影排行

目标 url : https://maoyan.com/board/4?offset=0

提取出猫眼电影TOP100的电影名称,主演,上映时间,评分,图片等信息,提取的结果以文本的形式保存起来。

环境:安装requests库,lxml--xpath解析

pip3 install requests

pip3 install lxml

抓取分析:

offset为偏移量,一共10页,每页10部电影,offset=90为最后一页,offset每次+=10则是下一页的url地址。

image.png
image.png

xpath内容提取:

获取每一页的所有电影名:

//p[@class='name']/a/text()

image.png
image.png

获取每一页所有的主演名:

//p[@class='star']/text()

image.png
image.png

获取每一页的所有电影上映时间:

//p[@class='releasetime']/text()

image.png
image.png

获取每一页所有的电影评分

//p[@class='score']/i/text()

image.png
image.png

获取每一页所有电影图片url地址

//img[@class='board-img']/@src

image.png
image.png

完整代码:

代码语言:javascript
复制
#!/usr/bin/env python
# coding: utf-8

import requests
from lxml import etree
import time
import json


class Item:
    movie_name = None   # 电影名
    to_star = None  # 主演
    release_time = None   # 上映时间
    score = None   # 评分
    picture_address = None   # 图片地址


class GetMaoYan:
    def get_html(self, url):
        try:
            headers = {
                'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36'
            }
            response = requests.get(url=url, headers=headers)
            if response.status_code == 200:
                return response.text
            return None
        except Exception:
            return None

    def get_content(self, html):
        items = []
        # normalize-space 去空格,换行符
        content = etree.HTML(html)
        all_list = content.xpath("//dl[@class='board-wrapper']/dd")
        for i in all_list:
            item = Item()
            item.movie_name = i.xpath("normalize-space(.//p[@class='name']/a/text())")
            item.to_star = i.xpath("normalize-space(.//p[@class='star']/text())")
            item.release_time = i.xpath("normalize-space(.//p[@class='releasetime']/text())")
            x, y = i.xpath(".//p[@class='score']/i/text()")
            item.score = x + y
            item.picture_address = i.xpath("normalize-space(./a/img[@class='board-img']/@data-src)")
            items.append(item)
        return items

    def write_to_txt(self, items):
        content_dict = {
            'movie_name': None,
            'to_star': None,
            'release_time': None,
            'score': None,
            'picture_address': None
                        }
        with open('result.txt', 'a', encoding='utf-8') as f:
            for item in items:
                content_dict['movie_name'] = item.movie_name
                content_dict['to_star'] = item.to_star
                content_dict['release_time'] = item.release_time
                content_dict['score'] = item.score
                content_dict['picture_address'] = item.picture_address
                print(content_dict)
                f.write(json.dumps(content_dict, ensure_ascii=False) + '\n')

    def main(self, offset):
        url = 'https://maoyan.com/board/4?offset=' + str(offset)
        html = self.get_html(url)
        items = self.get_content(html)
        self.write_to_txt(items)


if __name__ == '__main__':
    st = GetMaoYan()
    for i in range(10):
        st.main(offset=i*10)
        time.sleep(1)

运行结果:

image.png
image.png

文本结果:

image.png
image.png
本文参与 腾讯云自媒体分享计划,分享自作者个人站点/博客。
原始发表:2019-05-06 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档