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 >开源一个爬取豆瓣电影的脚本

开源一个爬取豆瓣电影的脚本

作者头像
IT运维技术圈
发布2022-06-27 08:34:53
5270
发布2022-06-27 08:34:53
举报
文章被收录于专栏:IT运维技术圈

爬取豆瓣电影脚本

代码语言:javascript
复制
# 波哥首发
import time
import requests
import json
from lxml import etree


def getPage(url):
    '''请求页面数据'''
    try:
        headers = {
            'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.163 Safari/537.36'
        }
        # 发起请求
        res = requests.get(url,headers=headers)
        # 判断响应状态
        if res.status_code == 200:
            return res.text
        else:
            return None
    except:
        return None

def parsePage(html):
    '''解析页面数据'''
    html = etree.HTML(html)
    items = html.xpath('//div[@class="item"]')
    # 遍历封装数据并返回
    for item in items:
        res = {
            'index':item.xpath('.//div/em[@class=""]/text()'),
            'image':item.xpath('.//img[@width="100"]/@src'),
            'title':item.xpath('.//span[@class="title"]/text()'),
            'actor':item.xpath('.//p[@class=""]/text()'),
            'score':item.xpath('.//span[@class="rating_num"]/text()')
        }
        yield res

def writeFile(item):
    '''写入数据'''
    with open('./douban.json', 'a', encoding='utf-8') as fp:
        fp.write(json.dumps(item, ensure_ascii=False))
        fp.write('\n')

def main(offset):
    '''主程序函数,负责调度爬虫程序'''
    url = f'https://movie.douban.com/top250?start={offset}'
    # 调用函数进行页面的爬取
    html = getPage(url)
    print(f'正在解析url:{url}')
    if html:
        # 解析页面数据 parsePage(html)
        print(parsePage(html))
        for item in parsePage(html):
            print(f'正在写入数据{item["title"]}')
            # 写入数据 writeFile(item)
            writeFile(item)


if __name__ == '__main__':
    # main(0)
    for i in range(10):
        main(offset=i*25)
        time.sleep(2)
本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2022-04-07,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 IT运维技术圈 微信公众号,前往查看

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

本文参与 腾讯云自媒体同步曝光计划  ,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