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 >爬取豆瓣高分电影。

爬取豆瓣高分电影。

作者头像
7537367
修改2020-08-12 14:27:25
5850
修改2020-08-12 14:27:25
举报
文章被收录于专栏:linux基础linux基础

爬取豆瓣高分电影主要对豆瓣高分电影,按热度排序进行电影信息的爬取

分析

按F12打开开发者工具,点击XHR标签,因为他是通过ajax加载获取更多的电影信息的。返回的信息是json格式的数据,包含了每部电影详情的链接信息,先获取这些信息加企鹅号裙764261140

页码每次最后的 page_start参数 加20可以换到下一页

下面是详细代码

复制代码
复制代码
代码语言:javascript
复制
import re, requests
import json

class DoubanSpider:
    def __init__(self):
        self.url_temp = "https://movie.douban.com/j/search_subjects?type=movie&tag=%E8%B1%86%E7%93%A3%E9%AB%98%E5%88%86&sort=recommend&page_limit=20&page_start={}"
        self.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"}

    def parse_url(self, url):  # 发送请求,获取响应
        print(url)
        response = requests.get(url, self.headers)
        return response.content.decode()

    def get_content_list(self, json_str):  # 提取数据
        dict_ret = json.loads(json_str)
        print(dict_ret)
        content_list = dict_ret["subjects"]  # 所有电影数据
        return content_list

    def save_content_list(self, content_list):  # 保存
        with open("douban.txt", 'a', encoding="utf-8") as f:
            for content in content_list:
                f.write(json.dumps(content, ensure_ascii=False))
                f.write("\n")  # 写入换行符
        print("保存成功")

    def run(self):  # 实现主要逻辑
        num = 0
        while True:
            # 1、构造start_url
            url = self.url_temp.format(num)
            # 2、发送请求,获取响应
            json_str = self.parse_url(url)
            # 3、提取数据
            content_list = self.get_content_list(json_str)
            # 4、保存
            self.save_content_list(content_list)
            # 5、判断是否有下一页
            if len(content_list) < 20:
                break
            # 6、构造下一个url地址
            num += 20


if __name__ == '__main__':
    douban = DoubanSpider()
    douban.run()
复制代码
复制代码

本文系转载,前往查看

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

本文系转载前往查看

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

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
云开发 CLI 工具
云开发 CLI 工具(Cloudbase CLI Devtools,CCLID)是云开发官方指定的 CLI 工具,可以帮助开发者快速构建 Serverless 应用。CLI 工具提供能力包括文件储存的管理、云函数的部署、模板项目的创建、HTTP Service、静态网站托管等,您可以专注于编码,无需在平台中切换各类配置。
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