|
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 liyifeng295641 于 2024-1-3 19:01 编辑
在豆瓣音乐标签: 流行里面爬取标题,表演者,发行时间,链接
- import requests
- from bs4 import BeautifulSoup
- import xlwt
- url = "https://music.douban.com/tag/%E6%B5%81%E8%A1%8C?start=260&type=T"
- headers = {'User-Agent':
- 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/116.0.0.0 Safari/537.36','Cookie':
- 'll="118254"; bid=hUyLZc0IQ-0; __utmc=30149280; __utmz=30149280.1704177535.1.1.utmcsr=(direct)|utmccn=(direct)|utmcmd=(none); _pk_id.100001.afe6=e3aa424645194a40.1704178112.; __yadk_uid=vQ2OnDmCyRJ7MgONjIYqxroh3kmJOC0n; _vwo_uuid_v2=DC4889CAE9BF69AB947F1C739A359D3B1|c7a477b87f67bc643d65031d1e233036; dbcl2="276885079:IyaMMU84wwk"; ck=y-tF; push_noty_num=0; push_doumail_num=0; __utmv=30149280.27688; ap_v=0,6.0; _pk_ref.100001.afe6=%5B%22%22%2C%22%22%2C1704181059%2C%22https%3A%2F%2Fwww.douban.com%2F%22%5D; _pk_ses.100001.afe6=1; __utma=30149280.678212503.1704177535.1704177535.1704181060.2; __utmt=1;__utmb=30149280.3.9.1704181060'}
- r=requests.get(url,headers=headers)
- content=r.content.decode('utf-8')
- with open('douban.html','wb')as file:
- file.write(r.content)
- title_list=[]
- href_list=[]
- for i in range(0,400,20):
- url = 'https://music.douban.com/tag/%E6%B5%81%E8%A1%8C?start={i}&type=T'
- soup=BeautifulSoup(content,'lxml')
- divs=soup.find_all('div',class_="pl2")
- for div in divs:
- href=div.find('a')['href']
- href_list.append(href)
- title=div.find('a').text
- title_list.append(title)
- print(href_list)
- print(title_list)
- wb=xlwt.Workbook()
- sheet1=wb.add_sheet('豆瓣音乐')
- sheet1.write(0,0,'标题')
- sheet1.write(0,1,'链接')
- for row in range(1,len(title_list)+1,1):
- sheet1.write(row,0,title_list[row-1])
- sheet1.write(row,1,href_list[row-1])
- wb.save(r'C:\Users\admin1\Desktop\34qc.xls')
- [font=宋体][size=4][size=5][/size][/size][/font]
复制代码
好的,让我们来编写一个简单的爬虫来实现这个任务。
首先,我们需要使用Python的requests库和BeautifulSoup库。如果你还没有安装这两个库,可以通过以下命令进行安装:
- pip install requests beautifulsoup4
复制代码
接下来,我们编写代码:
- import requests
- from bs4 import BeautifulSoup
- # 发起HTTP请求
- url = 'https://music.douban.com/tag/流行'
- response = requests.get(url)
- # 解析HTML内容
- soup = BeautifulSoup(response.text, 'html.parser')
- # 找到所有class为 'title' 的元素
- titles = soup.find_all(class_='title')
- # 遍历每个标题元素,获取标题、表演者、发行时间和链接
- for title in titles:
- # 获取标题
- title_text = title.a.text.strip()
-
- # 获取表演者
- performer = title.find(class_='artist').text.strip()
-
- # 获取发行时间
- time = title.find(class_='time').text.strip()
-
- # 获取链接
- link = title.a['href']
-
- # 输出结果
- print('标题:', title_text)
- print('表演者:', performer)
- print('发行时间:', time)
- print('链接:', link)
- print('---')
复制代码
上面的代码中,我们首先使用requests库发送HTTP请求,并将返回的内容传递给BeautifulSoup库进行解析。然后,我们使用find_all方法找到所有class为'title'的元素。接着,我们遍历这些元素,分别获取标题、表演者、发行时间和链接,并打印输出。
运行上面的代码,你将会看到豆瓣音乐标签中流行类别下的标题、表演者、发行时间和链接的信息。
以上回复来自 FishC AI 小助理,如未能正确解答您的问题,请继续追问。
|
|