零度Cc 发表于 2020-9-7 00:36:10

爬取豆瓣电影排行榜

import requests
from bs4 import BeautifulSoup
import time


headers = {
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.163 Safari/537.36'
}


with open('豆瓣电影排行榜.txt', 'w', encoding='utf-8') as file:
    for page in range(10):
      url = 'https://movie.douban.com/top250?start={}&filter='.format(page*25)
      res = requests.get(url, headers=headers)
      soup = BeautifulSoup(res.text, 'html.parser')
      for item in soup.select('div.item'):
            tag = item.select('div.hd a')
            link = tag['href']# 地址
            name = tag.select('span.title').text# 影片名称
            content = item.select('div.bd p.quote span.inq')# 简介
            score = item.select('div.bd div.star span.rating_num').text# 评分
            number_of_score = item.select('div.bd div.star').text.split()[-1]# 评价人数
            information = item.select('div.bd p').text.split()# 信息列表
            if :
                year = + '年'# 上映时间
            else:
                year = '暂无数据'
            if content:# 判断是否为None
                content = content.text
            else:
                content = '此影片尚无简介'

            file.write(f'影片名称:《{name}》\n')
            file.write(f'上映时间:{year}\n')
            file.write(f'影片评分:{number_of_score},得分{score}分\n')
            file.write(f'影片简介:{content}\n')
            file.write(f'影片地址:{link}\n')
            file.write('\n')

      print(f'第{page+1}页爬取完毕')
      time.sleep(2)
    else:
      print('done!')
初学爬虫，都在拿TOP250的电影练手，我也来试试
在爬取的过程中有部分页面没有数据（比如年份，简介）可能会导致下标越界等错误，要特殊处理。
尝试用了find_all 以及 css选择器方法（目前只会这两种）。发现CSS选择器好用很多。。
页: [1]
查看完整版本: 爬取豆瓣电影排行榜