一、下载页面并处理
二、提取数据
观察该网站 html 结构
可知该页面下所有电影包含在 ol 标签下。每个 li 标签包含单个电影的内容。
使用 XPath 语句获取该 ol 标签
在 ol 标签中遍历每个 li 标签获取单个电影的信息。
以电影名字为例
其余部分详见源码
三、页面跳转
检查“后页”标签。跳转到下一页面
返回 None 则已获取所有页面。
四、导入 CSV
创建 CSV 文件
其余部分详见源码
五、导入数据库(以 mysql 为例)
先在 mysql 中创建数据库与表,表的属性应与要插入的数据保持一致
连接数据库 db = pymysql.connect(host='127.0.0.1', port=3306, user='root', passwd='syb123', db='douban',charset='utf8')
创建游标 cur = db.cursor()
将获取的电影信息导入数据库
六、效果显示
因 Windows 系统默认以 ANSI 编码打开 Excel,所以直接用 Excel 打开 csv 文件会出现乱码,需对其重新编码。
以上所有内容可以在 80 行 Python 代码内完成,很简单吧!
源码:https://github.com/AlexRedfield/douban_movies_top250
原文链接:https://segmentfault.com/a/1190000011964958
Python学习交流群:238757010