python爬虫实践——爬取“豆瓣top250”

 1 '''
 2 主页:
 3     https://movie.douban.com/top250
 4     GET
 5     User-Agent: Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.146 Safari/537.36
 6 
 7 re正则:
 8     # PS: 电影详情页url、图片链接、电影名称、导演、主演、电影上映时间、电影评分、评价人数、简介
 9 <div class="item">.*?href="(.*?)">.*?src="(.*?)" class="">.*?<span class="title">(.*?)</span>.*?导演:(.*?).*?主演: (.*?) /...<br>(.*?)</p>.*?content="(.*?)"></span><span>(.*?)人评价.*?<span class="inq">(.*?)</span>
10 '''
11 '''
12 每一页URL:
13 第一页：https://movie.douban.com/top250
14 第二页：https://movie.douban.com/top250?start=25&filter=
15 第三页：https://movie.douban.com/top250?start=50&filter=
16 .....
17 第九页：https://movie.douban.com/top250?start=200&filter=
18 第十页：https://movie.douban.com/top250?start=225&filter=
19 '''
20 
21 import requests
22 import re
23 #请求头
24 headers={
25     'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.90 Safari/537.36'
26 }
27 
28 base_url='https://movie.douban.com/top250?start={}&filter='
29 num=0
30 for i in range(10):
31     url=base_url.format(i)
32     num+=25
33     print(url)
34 
35     #1、往豆瓣发送请求
36     response=requests.get(url,headers=headers)
37 
38     # 2、通过正则解析提取数据
39     # PS: 电影详情页url、图片链接、电影名称、导演、主演、电影上映时间、电影评分、评价人数、简介
40     movie_content_list=re.findall('<div class="item">.*?href="(.*?)">.*?src="(.*?)" class="">.*?<span class="title">(.*?)</span>.*?<div class="bd">.*?导演:(.*?)<br>(.*?)</p>.*?<span class="rating_num".*?>(.*?)</span>.*?<span>(.*?)人评价.*?<span class="inq">(.*?)</span>',
41                       response.text,re.S)
42     #解压赋值每一部电影
43     for move_content in movie_content_list:
44         detail_url,image_url,movie_name,acters,movie_time,movie_grade,number,content=move_content
45         detail_data=f'电影url:{detail_url}, 图片链接:{image_url}, 电影名称:{movie_name}, 导演和主演:{acters},电影上映时间:{movie_time},电影评分:{movie_grade},评价人数:{number},简介:{content}\n'
46         print(detail_data)
47 
48         #保存数据
49         with open('douban.txt','a',encoding='utf-8')as f:
50             f.write(detail_data)
来源：https://www.cnblogs.com/lweiser/p/11042658.html
标签
python爬虫
python
top250
class