fr1518 发表于 2021-8-8 00:26:54

求大神帮我看看这段爬豆瓣的代码 没报错但是爬出来的db文件是空的


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


def main():
   baseuel="https://movie.douban.com/top250?start="
   datalist = getdate(baseuel)
   #savepath = "豆瓣电影top250.xls"
   # saveDate(datalist,savepath)


   dbpath = "movie.db"
   saveDate2db(datalist,dbpath)








findlink = re.compile(r'<a href="(.*?)">')
findimgsrc = re.compile(r'<img.*src="(.*?)"',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 getdate(baseurl):
    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"):
            date = []
            item = str(item)


            link = re.findall(findlink,item).replace(":","")
            date.append(link)

            imgsrc = re.findall(findimgsrc,item).replace(":","")
            date.append(imgsrc)

            titles = re.findall(findtitle,item)
            date.append(titles)

            rating = re.findall(findrating,item)
            date.append(rating)

            judgenum = re.findall(findjudge,item)
            date.append(judgenum)

            inq = re.findall(findinq,item)
            if len(inq) != 0:
                inq = inq
                date.append(inq)

            else:
                date.append(' ')

            bd = re.findall(findbd,item)
            date.append(bd.strip())

            datalist.append(date)


    return datalist


#得到一个指定url的网址内容
def askURL(url):
    head = {
    "一个地址"
    }
    request = urllib.request.Request(url,headers=head)
    html = ""
    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)
    return html



def saveDate(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 = ("电影连接", "图片链接", "名字", "评分", "评价数", "概况", "相关信息")
    for i in range(0,7):
      sheet.write(0,i,col)

    for i in range(0,250):
      print("D%d条"%(i+1))
      data = datalist
      for j in range(0,7):
            sheet.write(i + 1,j,data)

    book.save(savepath)

def saveDate2db(datalist,dbpath):
    init_db(dbpath)
    conn = sqlite3.connect(dbpath)
    cur = conn.cursor()


    for data in datalist:
         for index in range(len(data)):
             if index == 3 or index == 4:
               continue
             data = '"'+str(data)+'“'
         sql = '''
                insert into movie250(
                info_link,pic_link,name,score,rated,introduction,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 integer primary key autoincrement,
      info_link text,
      pic_link text,
      cname varchar,
      score numeric,
      rated numeric,
      introduction text,
      info text
                        
      )
   
    '''      #创建数据表
    conn = sqlite3.connect(dbpath)
    cursor = conn.cursor()
    cursor.execute(sql)
    conn.commit()
    conn.close()

if __name__ == "__main__":

    main()

nahongyan1997 发表于 2021-8-11 09:07:31

你先打印一下爬取出来的数据如果有数据就是sql语句错了。

只会 mysql
页: [1]
查看完整版本: 求大神帮我看看这段爬豆瓣的代码 没报错但是爬出来的db文件是空的