鱼C论坛

 找回密码
 立即注册
查看: 2608|回复: 1

一个豆瓣网页简单网页内容的提取

[复制链接]
发表于 2022-9-4 21:05:49 | 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
我写到能打印出下文中包含要提取内容的html,但后面就不知道怎么提取了,试了好久都没成功,就是提取上映的电影的名称,评分,参演人员的信息,大家能帮我试试看吗
import requests
import re
import xlwt
from lxml import html
from bs4 import BeautifulSoup
url = "https://movie.douban.com/cinema/nowplaying/haikou/"
head = {  # 模拟浏览器头部信息,向豆瓣服务器发送消息
        "User-Agent": "Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/100.0.4896.75 Mobile Safari/537.36 Edg/100.0.1185.36"
    }
resp = requests.get(url,headers= head)
content = resp.text

page = BeautifulSoup(content,"lxml")
nfo = page.find_all("div",class_= "mod-bd")
for i in info:
    title = i.find('li')
    print(title)


print("结束")
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复

使用道具 举报

发表于 2022-9-10 21:24:12 | 显示全部楼层
import requests
import re
from bs4 import BeautifulSoup
url = "https://movie.douban.com/cinema/nowplaying/haikou/"
head = {  # 模拟浏览器头部信息,向豆瓣服务器发送消息
    "User-Agent": "Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/100.0.4896.75 Mobile Safari/537.36 Edg/100.0.1185.36"
}
resp = requests.get(url, headers=head)
content = resp.text

page = BeautifulSoup(content, "lxml")
info = page.find_all('div', id="nowplaying")[0].find_all("li", class_="list-item")
for i in info:
    actors = re.findall(r'data-actors="(.*?)"', str(i))[0]
    title = re.findall(r'data-title="(.*?)"', str(i))[0]
    score = re.findall(r'data-score="(.*?)"', str(i))
    score = score[0] if score != ["0"] else "暂无评分"
    print(actors, title, score)


print("结束")
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

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, 2024-9-28 18:19

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表