鱼C论坛

 找回密码
 立即注册
查看: 1739|回复: 6

求助大佬们为什么我爬出来的只有一页数据

[复制链接]
发表于 2021-1-4 11:58:58 | 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
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)[0]
        data.append(link)

        imgSrc = re.findall(findImgSrc,item)[0]

        data.append(imgSrc)

        titles = re.findall(findTitle,item)
        if(len(titles) == 2):
            ctitle = titles[0]
            data.append(ctitle)
            otitle = titles[1].replace("/","")
            data.append(otitle)
        else:
            data.append(titles[0])
            data.append(' ')


        rating = re.findall(findRating,item)[0]
        data.append(rating)

        judeNum = re.findall(findJudge,item)[0]
        data.append(judeNum)

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

        bd = re.findall(findBd,item)
        bd=bd[0]
        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[index])==type([]):
                data[index] = '"' + str(data[index]) + '"'
            else:
                data[index] = '"'+data[index]+'"'
        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 integer  primary  key  autoincrement,
        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!")
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 2021-1-4 14:04:02 | 显示全部楼层
baseurl = "https://movie.douban.com/top250?Start=0"

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

发表于 2021-1-4 16:23:53 | 显示全部楼层
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)
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

 楼主| 发表于 2021-1-4 20:06:28 | 显示全部楼层

不行。。什么都没这样
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

 楼主| 发表于 2021-1-4 20:08:31 | 显示全部楼层
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
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

 楼主| 发表于 2021-1-4 21:43:08 | 显示全部楼层
可以了  缩进问题 谢谢大家
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

发表于 2021-1-5 20:12:50 | 显示全部楼层
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】
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, 2025-1-16 19:56

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表