鱼C论坛

 找回密码
 立即注册
查看: 4049|回复: 5

小甲鱼爬豆瓣TOP250有个代码看不懂

[复制链接]
发表于 2022-3-24 23:01:05 | 显示全部楼层 |阅读模式
10鱼币
import requests
import bs4
import re

def open_url(url):
    #使用代理
    # proxies = {'https':'223.243.174.152:9999','https':'223.214.205.179:9999'}
    headers = {'user-agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/99.0.4844.74 Safari/537.36 Edg/99.0.1150.46'}
    res = requests.get(url,headers=headers)
    return res

def find_movies(res):
    #炖汤
    soup = bs4.BeautifulSoup(res.text,'html.parser')
    #电影名
    movies = []
    targets = soup.find_all('div',class_ = 'hd')
    for each in targets:
        movies.append(each.a.span.text)

    #评分
    ranks = []
    targets = soup.find_all('span',class_='rating_num')
    for each in targets:
        ranks.append('评分%s'%each.text)
    #资料
    messages = []
    targets = soup.find_all('div',class_='bd')
    for each in targets:
        try:
            messages.append(each.p.text.split('\n')[0].strip() + each.p.text.split('\n')[1].strip())
        except:
            continue

    result = []
    length = len(movies)
    for i in range(length):
        result.append(movies[i] + ranks[i] + messages[i] +'\n')
    return result

#找出一共有多少个页面
def find_depth(res):
    soup = bs4.BeautifulSoup(res.text,'html.parser')
    depth = soup.find('span',class_= 'next').previous_sibling.previous_sibling.text #这一行什么意思呀?


屏幕截图 2022-03-24 230037.png



    return int(depth)

def main():
    host = 'https://movie.douban.com/top250'
    res = open_url(host)
    depth = find_depth(res)

    result = []
    for i in range(depth):
        url = host + '/?start='+str(25*i)
        res =open_url(url)
        result.extend(find_movies(res))

    with open('豆瓣TOP250.txt','w',encoding='utf-8') as f:
        for each in result:
            f.write(each)

if __name__ == '__main__':
    main()

想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复

使用道具 举报

 楼主| 发表于 2022-3-24 23:02:57 | 显示全部楼层
我知道previous_sibling是找之前的同级标签,可是我查看了html代码还是只有个大体的猜测,需要大佬们的指导下.
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 2022-3-24 23:05:27 | 显示全部楼层
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复

使用道具 举报

 楼主| 发表于 2022-3-25 16:34:34 | 显示全部楼层
isdkz 发表于 2022-3-24 23:05
https://blog.csdn.net/Winterto1990/article/details/47794941

可是我看使用两次previous_sibling找到的不应该是9号标签吗?
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 2022-3-26 21:58:43 | 显示全部楼层
就是span节点的上一个兄弟节点的上一个兄弟节点,这么说你看你有点乱,我举一个例子吧
In [12]: text = "<div><a>text0</a><b>text1</b><c>text2</c></div>"
In [13]: soup = bs4.BeautifulSoup(text, "html.parser")
In [14]: soup.find("c").previous_sibling.previous_sibling.text
Out[14]: 'text0'
c的上上个兄弟节点就是a,所以拿到的文本是text0
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 2022-3-27 08:34:15 | 显示全部楼层
啥子东东啊??
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, 2024-12-28 03:11

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表