鱼C论坛

 找回密码
 立即注册
查看: 1593|回复: 0

[作品展示] 初次完成爬取豆瓣电影top10

[复制链接]
发表于 2020-6-22 15:47:13 | 显示全部楼层 |阅读模式

马上注册,结交更多好友,享用更多功能^_^

您需要 登录 才可以下载或查看,没有账号?立即注册

x
本帖最后由 Clearpython 于 2020-6-22 15:58 编辑

import urllib.request,urllib.parse
import re
import xlwt

url = "https://movie.douban.com/top250"           #定义一个网址

# 获取网页的函数
def get_data():
    header = {
        "User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.106 Safari/537.36 Edg/83.0.478.54"
    }
    req = urllib.request.Request(url=url,headers=header)
    r = urllib.request.urlopen(req)
    html = r.read().decode("utf-8")
    return html


# 分析字符串的函数
def analy_data():
    douban_list = []
    html = get_data()       #前面定义的html已经回收了,要重新定义
    movie_links = re.findall('<a href="(.*?)" class="">',html)
    movie_names = re.findall('<span class="title">(.*?)</span>',html)
    i = 1
    for i in range(1,11):
        douban_list.append(movie_names[i])
        douban_list.append(movie_links)
        i += 1
    return movie_links,movie_names


def save_data():
    movie_names,movie_links = analy_data()
    workbook = xlwt.Workbook(encoding="utf8")
    sheet = workbook.add_sheet("sheet1")
    sheet.write(0,0,"movie_link")
    sheet.write(0,1,"movie_name")
    for i in range(1,11):
        sheet.write(i,0,movie_names[i-1])
        sheet.write(i,1,movie_links[i-1])
    workbook.save("豆瓣电影top10.xls")


if __name__ == '__main__':
    get_data()
    analy_data()
    save_data()
[/i]
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

小黑屋|手机版|Archiver|鱼C工作室 ( 粤ICP备18085999号-1 | 粤公网安备 44051102000585号)

GMT+8, 2025-1-20 12:13

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表