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 sys
reload(sys)
sys.setdefaultencoding('utf8')
from bs4 import beautifulsoup
import re
import urllib2
import 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