文章详情

短信预约-IT技能 免费直播动态提醒

请输入下面的图形验证码

提交验证

短信预约提醒成功

requests项目实战--抓取猫眼电影排行

2023-01-30 23:25

关注

requests项目实战--抓取猫眼电影排行

目标 url : https://maoyan.com/board/4?offset=0

提取出猫眼电影TOP100的电影名称,主演,上映时间,评分,图片等信息,提取的结果以文本的形式保存起来。


环境:安装requests库,lxml--xpath解析

pip3 install requests

pip3 install lxml


抓取分析:

offset为偏移量,一共10页,每页10部电影,offset=90为最后一页,offset每次+=10则是下一页的url地址。

image.png


xpath内容提取:

获取每一页的所有电影名:

//p[@class='name']/a/text()

image.png


获取每一页所有的主演名:

//p[@class='star']/text()

image.png


获取每一页的所有电影上映时间:

//p[@class='releasetime']/text()

image.png


获取每一页所有的电影评分

//p[@class='score']/i/text()

image.png


获取每一页所有电影图片url地址

//img[@class='board-img']/@src

image.png



完整代码:

#!/usr/bin/env python
# coding: utf-8

import requests
from lxml import etree
import time
import json


class Item:
    movie_name = None   # 电影名
    to_star = None  # 主演
    release_time = None   # 上映时间
    score = None   # 评分
    picture_address = None   # 图片地址


class GetMaoYan:
    def get_html(self, url):
        try:
            headers = {
                'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36'
            }
            response = requests.get(url=url, headers=headers)
            if response.status_code == 200:
                return response.text
            return None
        except Exception:
            return None

    def get_content(self, html):
        items = []
        # normalize-space 去空格,换行符
        content = etree.HTML(html)
        all_list = content.xpath("//dl[@class='board-wrapper']/dd")
        for i in all_list:
            item = Item()
            item.movie_name = i.xpath("normalize-space(.//p[@class='name']/a/text())")
            item.to_star = i.xpath("normalize-space(.//p[@class='star']/text())")
            item.release_time = i.xpath("normalize-space(.//p[@class='releasetime']/text())")
            x, y = i.xpath(".//p[@class='score']/i/text()")
            item.score = x + y
            item.picture_address = i.xpath("normalize-space(./a/img[@class='board-img']/@data-src)")
            items.append(item)
        return items

    def write_to_txt(self, items):
        content_dict = {
            'movie_name': None,
            'to_star': None,
            'release_time': None,
            'score': None,
            'picture_address': None
                        }
        with open('result.txt', 'a', encoding='utf-8') as f:
            for item in items:
                content_dict['movie_name'] = item.movie_name
                content_dict['to_star'] = item.to_star
                content_dict['release_time'] = item.release_time
                content_dict['score'] = item.score
                content_dict['picture_address'] = item.picture_address
                print(content_dict)
                f.write(json.dumps(content_dict, ensure_ascii=False) + '\n')

    def main(self, offset):
        url = 'https://maoyan.com/board/4?offset=' + str(offset)
        html = self.get_html(url)
        items = self.get_content(html)
        self.write_to_txt(items)


if __name__ == '__main__':
    st = GetMaoYan()
    for i in range(10):
        st.main(offset=i*10)
        time.sleep(1)

运行结果:

image.png


文本结果:

image.png

阅读原文内容投诉

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

软考中级精品资料免费领

  • 历年真题答案解析
  • 备考技巧名师总结
  • 高频考点精准押题
  • 2024年上半年信息系统项目管理师第二批次真题及答案解析(完整版)

    难度     813人已做
    查看
  • 【考后总结】2024年5月26日信息系统项目管理师第2批次考情分析

    难度     354人已做
    查看
  • 【考后总结】2024年5月25日信息系统项目管理师第1批次考情分析

    难度     318人已做
    查看
  • 2024年上半年软考高项第一、二批次真题考点汇总(完整版)

    难度     435人已做
    查看
  • 2024年上半年系统架构设计师考试综合知识真题

    难度     224人已做
    查看

相关文章

发现更多好内容

猜你喜欢

AI推送时光机
位置:首页-资讯-后端开发
咦!没有更多了?去看看其它编程学习网 内容吧
首页课程
资料下载
问答资讯