利用python爬取豆瓣电影top250的相关信息，包括电影详情链接,图片链接,影片中文名,影片外国名,评分,评价数,概况,导演,主演,年份,地区,类别这12项内容，然后将爬取的信息写入excel表中。基本上爬取结果还是挺好的。具体代码如下：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
|
#!/usr/bin/python#-*- coding: utf-8 -*-import sysreload(sys)sys.setdefaultencoding('utf8')from bs4 import beautifulsoupimport reimport urllib2import xlwt#得到页面全部内容def askurl(url): request = urllib2.request(url)#发送请求 try: response = urllib2.urlopen(request)#取得响应 html= response.read()#获取网页内容 #print html except urllib2.urlerror, e: if hasattr(e,"code"): print e.code if hasattr(e,"reason"): print e.reason return html#获取相关内容def getdata(baseurl): findlink=re.compile(r'<a href="(.*?)" rel="external nofollow" >')#找到影片详情链接 findimgsrc=re.compile(r'<img.*src="(.*jpg)"',re.s)#找到影片图片 findtitle=re.compile(r'<span class="title">(.*)</span>')#找到片名 #找到评分 findrating=re.compile(r'<span class="rating_num" property="v:average">(.*)</span>') #找到评价人数 findjudge=re.compile(r'<span>(\d*)人评价</span>') #找到概况 findinq=re.compile(r'<span class="inq">(.*)</span>') #找到影片相关内容：导演，主演，年份，地区，类别 findbd=re.compile(r'<p class="">(.*?)</p>',re.s) #去掉无关内容 remove=re.compile(r' |\n|</br>|\.*') datalist=[] for i in range(0,10): url=baseurl+str(i*25) html=askurl(url) soup = beautifulsoup(html, "html.parser") for item in soup.find_all('div',class_='item'):#找到每一个影片项 data=[] item=str(item)#转换成字符串 #print item link=re.findall(findlink,item)[0] data.append(link)#添加详情链接 imgsrc=re.findall(findimgsrc,item)[0] data.append(imgsrc)#添加图片链接 titles=re.findall(findtitle,item) #片名可能只有一个中文名，没有外国名 if(len(titles)==2): ctitle=titles[0] data.append(ctitle)#添加中文片名 otitle=titles[1].replace(" / ","")#去掉无关符号 data.append(otitle)#添加外国片名 else: data.append(titles[0])#添加中文片名 data.append(' ')#留空 rating=re.findall(findrating,item)[0] data.append(rating)#添加评分 judgenum=re.findall(findjudge,item)[0] data.append(judgenum)#添加评论人数 inq=re.findall(findinq,item) #可能没有概况 if len(inq)!=0: inq=inq[0].replace("。","")#去掉句号 data.append(inq)#添加概况 else: data.append(' ')#留空 bd=re.findall(findbd,item)[0] bd=re.sub(remove,"",bd) bd=re.sub('<br>'," ",bd)#去掉<br> bd=re.sub('/'," ",bd)#替换/ #data.append(bd) words=bd.split(" ") for s in words: if len(s)!=0 and s!=' ':#去掉空白内容 data.append(s) #主演有可能因为导演内容太长而没有 if(len(data)!=12): data.insert(8,' ')#留空 datalist.append(data) return datalist#将相关数据写入excel中def savedata(datalist,savepath): book=xlwt.workbook(encoding='utf-8',style_compression=0) sheet=book.add_sheet('豆瓣电影top250',cell_overwrite_ok=true) col=('电影详情链接','图片链接','影片中文名','影片外国名', '评分','评价数','概况','导演','主演','年份','地区','类别') for i in range(0,12): sheet.write(0,i,col[i])#列名 for i in range(0,250): data=datalist[i] for j in range(0,12): sheet.write(i+1,j,data[j])#数据 book.save(savepath)#保存def main(): baseurl='https://movie.douban.com/top250?start=' datalist=getdata(baseurl) savapath=u'豆瓣电影top250.xlsx' savedata(datalist,savapath)main() |
excel表部分内容如下：
以上所述是小编给大家介绍的python爬取豆瓣电影top250实例详解整合，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对服务器之家网站的支持！
原文链接：https://blog.csdn.net/Fighting_No1/article/details/50926008
