wwf 发表于 2021-1-4 11:58:58

求助大佬们为什么我爬出来的只有一页数据

from bs4 import BeautifulSoup
import re
import urllib.request
import xlwt
import sqlite3


def main():
    baseurl = "https://movie.douban.com/top250?Start=0"
    datalist = getData(baseurl)
    # savepath = ".\\豆瓣TOP250.xls"
    dbpath = "movie2.db"
    # saveData(savepath)
    saveData2DB(datalist,dbpath)


    # askURL("https://movie.douban.com/subject/30482645/?from=0")

findLink = re.compile(r'<a href="(.*?)">')
# findImgSrc = re.compile(r'<img.*src=“(.*?)”',re.S)
findImgSrc = re.compile(r'<img.*src="(.*)" width=',re.S)
findTitle = re.compile(r'<span class="title">(.*)</span>')
findRating = re.compile(r'<span class="rating_num" property="v:average">(.*)</span>')
findJudge = re.compile(r'<span>(\d*)人评价</span>')
findInq = re.compile(r'<span class="inq">(.*)</span>')
findBd = re.compile(r'<p class="">(.*?)</p>',re.S)

def getData(baseurl):
    datalist = []
    for i in range(0,11):
      url = baseurl + str(i*25)
      html = askURL(url)


    soup = BeautifulSoup(html,"html.parser")
    for item in soup.find_all('div',class_="item"):
      # print(item)
      data = []
      item = str(item)


      link = re.findall(findLink,item)
      data.append(link)

      imgSrc = re.findall(findImgSrc,item)

      data.append(imgSrc)

      titles = re.findall(findTitle,item)
      if(len(titles) == 2):
            ctitle = titles
            data.append(ctitle)
            otitle = titles.replace("/","")
            data.append(otitle)
      else:
            data.append(titles)
            data.append(' ')


      rating = re.findall(findRating,item)
      data.append(rating)

      judeNum = re.findall(findJudge,item)
      data.append(judeNum)

      inq = re.findall(findInq,item)
      if len(inq) != 0:
            inq = inq.replace(".","")
            data.append(inq)
      else:
            data.append(" ")

      bd = re.findall(findBd,item)
      bd=bd
      bd = re.sub('<br(\s+)?/>(\s+)?'," ",bd)
      bd = re.sub('/'," ",bd)
      data.append(bd.strip())

      datalist.append(data)
    return datalist

def askURL(url):
    headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:60.0) Gecko/20100101 Firefox/60.0',

    }
    request = urllib.request.Request(url, headers=headers)
    page = urllib.request.urlopen(request)
    html = page.read()
    try:
      response = urllib.request.urlopen(request)
      html = response.read().decode("utf-8")

    except urllib.error.URLError as e:
      if hasattr(e,"code"):
            print(e.code)
            if hasattr(e,"reason"):
                print(e.reason)

    return html




def saveData(savepath):
    print("save....")

def saveData2DB(datalist,dbpath):
    init_db(dbpath)
    conn = sqlite3.connect(dbpath)
    cur = conn.cursor()



    for data in datalist:
      for index in range(len(data)):
            if type(data)==type([]):
                data = '"' + str(data) + '"'
            else:
                data = '"'+data+'"'
      sql = '''
            insert into movie250 (
            info_link,pic_link,cname,ename,score,rated,instroduction,info)
            values (%s)'''%",".join(data)

      print(sql)
      cur.execute(sql)
      conn.commit()
    cur.close()
    conn.close()



def init_db(dbpath):
    sql = '''
      create table movie250
      (
      id integerprimarykeyautoincrement,
      info_link text,
      pic_link text,
      cname varchar,
      ename varchar,
      score numeric,
      rated numric,
      instroduction text,
      info text
      )
    '''

    conn = sqlite3.connect(dbpath)
    cursor = conn.cursor()
    cursor.execute(sql)
    conn.commit()
    conn.close()

if __name__=="__main__":
    main()
    # init_db("movietest.db")
    print("爬取完毕!")

jtxs0000 发表于 2021-1-4 14:04:02

baseurl = "https://movie.douban.com/top250?Start=0"

改成:
baseurl = "https://movie.douban.com/top250?start=0"
这样试试

z5560636 发表于 2021-1-4 16:23:53

代码片段1改成:
def main():
    baseurl = "https://movie.douban.com/top250?start={}&filter="
    datalist = getData(baseurl)
    # savepath = ".\\豆瓣TOP250.xls"
    dbpath = "movie2.db"
    # saveData(savepath)
    saveData2DB(datalist,dbpath)

代码片段2改成:
def getData(baseurl):
    datalist = []
    for i in range(0,11):
      url = baseurl.format(i*25)
      html = askURL(url)

wwf 发表于 2021-1-4 20:06:28

jtxs0000 发表于 2021-1-4 14:04


不行。。什么都没这样

wwf 发表于 2021-1-4 20:08:31

z5560636 发表于 2021-1-4 16:23
代码片段1改成:




也不行 什么都爬不出来了

wwf 发表于 2021-1-4 21:43:08

可以了缩进问题 谢谢大家

一个账号 发表于 2021-1-5 20:12:50

wwf 发表于 2021-1-4 21:43
可以了缩进问题 谢谢大家

请把【问题求助】改为【已经解决】
页: [1]
查看完整版本: 求助大佬们为什么我爬出来的只有一页数据