python爬取猫眼电影信息，取前100名看看哪些电影名列前茅

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理
在这里插入图片描述

一、前言

将猫眼电影库中的经典影片,按照评分和评分人数综合排序,取前100名
每天上午10点更新,相关数据来源于“猫眼电影库”

二、课程亮点

1、分析网页结构
2、css选择器解析数据
3、保存CSV文件

三、所用到得库

import requests  # 数据请求模块  第三方模块
import parsel  # 数据解析模块
import csv  # 内置模块

四、环境配置

python 3.6
pycharm
requests
parsel
csv

五、爬虫案例的一般实现步骤:

1.确定数据所在的url地址(系统性的分析网页结构<静态/动态>)
2.发送指定url地址的请求(requests)
3.数据解析(提取你自己想要的数据)
4.数据的保存

六、找寻数据所在处

page_num = 0
for page in range(0, 91, 10):
    page_num += 1
    print(f'++++++++++++++++++++++++正在爬取第{page_num}页数据++++++++++++++++++++++++')
    # 1.确定数据所在的url地址(系统性的分析网页结构<静态/动态>)
    url = f'https://maoyan.com/board/4?offset={page}'
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.105 Safari/537.36',
        'Host': 'maoyan.com',
        'Cookie': '__mta=19307015.1608270378570.1608272883017.1608273840603.4; uuid_n_v=v1; uuid=5916177040F411EB8908174FD40B8B01D034C777885540CE816A24F19D4594A4; _csrf=203e7011454c450af49832bbb56b6b0c10a9a947c147679cd60805fd4a6b6d4e; _lxsdk_cuid=1740a7dbe93c8-0066c6e2268b8d-3c634103-1fa400-1740a7dbe94c8; _lxsdk=5916177040F411EB8908174FD40B8B01D034C777885540CE816A24F19D4594A4; _lx_utm=utm_source%3DBaidu%26utm_medium%3Dorganic; Hm_lvt_703e94591e87be68cc8da0da7cbd0be2=1608270376,1608271969; Hm_lpvt_703e94591e87be68cc8da0da7cbd0be2=1608273833; _lxsdk_s=176746274f8-4f3-eec-119%7C%7C12'
    }

七、处理反爬：

 # 2.发送指定url地址的请求(requests)   处理反爬
    response = requests.get(url=url, headers=headers)
    html_data = response.text  # str  正则
    # print(html_data)

八、提取数据：

# 3.数据解析(提取你自己想要的数据)  css选择器
    # 3.1 转换数据类型
    selector = parsel.Selector(html_data)
    # print(selector)
    # 3.2 数据解析
    dds = selector.css('.board-wrapper dd')  # 所有dd标签

    for dd in dds:  # 数据的二次提取
        title = dd.css('.name a::attr(title)').get()  # 电影名
        star = dd.css('.star::text').get().strip()  # 主演
        releasetime = dd.css('.releasetime::text').get().strip()  # 上映时间
        score = dd.css('.score i::text').getall()  # 上映时间
        score = ''.join(score)
        img_url = dd.css('img:nth-child(2)::attr(data-src)').get()  # 上映时间

        print(title, star, releasetime, score, img_url, sep=' | ')

九、数据保存：

 # 4.数据的保存
        with open('猫眼100.csv', mode='a', encoding='utf-8', newline='') as f:
            csv_write = csv.writer(f)
            csv_write.writerow([title, star, releasetime, score, img_url])

python学习网

分类