Python轻量化爬虫例子(爬图片,招聘,豆瓣电影top250)

Python爬取妹子图片

from bs4 import BeautifulSoup
import requests
import urllib.request
import random
import time
x = 0


def getDbImage(page=1):
    response = requests.get('https://www.dbmeinv.com/?pager_offset={}'.format(page))
    html = response.text
    soup = BeautifulSoup(html, 'lxml')
    girl = soup.select('img')
    for img in girl:
        link = img.get('src')
        global x
        urllib.request.urlretrieve(link, 'images/{}.jpg'.format(x))
        x += 1
        print('正在下载第{}张图片'.format(x))


for i in range(1, 50):
    print("正在下载第{}页图片".format(i))
    time.sleep(1 + random.random())
    getDbImage(i)

Python爬取招聘信息

import requests
from bs4 import BeautifulSoup
import time
import random

# 设置header
header = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:58.0) Gecko/20100101 Firefox/58.0',
        'Connection': 'keep - alive'
        }
movie_list = []

def get_pages_link():
    # https://movie.douban.com/top250?start=25
    for item in range(1,25,1):
        url = "https://www.liepin.com/zhaopin/?init=-1&headckid=8b8a11cc05e34e78&fromSearchBtn=2&ckid=8b8a11cc05e34e78&degradeFlag=0&key=python&siTag=I-7rQ0e90mv8a37po7dV3Q~fA9rXquZc5IkJpXC-Ycixw&d_sfrom=search_industry&d_ckId=ac6bf5fc984fbad69fd09f0270ca7f1f&d_curPage=0&d_pageSize=40&d_headId=ac6bf5fc984fbad69fd09f0270ca7f1f&curPage={}".format(item)
        web_data = requests.get(url,headers=header)
        time.sleep(1 + random.random())
        soup = BeautifulSoup(web_data.text,'lxml')
        for item in soup.select('.sojob-list li'):
            job = item.select('.job-info h3 a')[0].get_text().strip()
            condition = item.select('.condition')[0].get_text()
            (salary,addr,edu,experence) = condition.split()
            print(job)
            print(salary)
            print(addr)
            print(edu)
            print(experence)
            date = item.select('time')[0].attrs['title']
            print(date)
            company = item.select('.company-name')[0].get_text().strip()
            print(company)
            field = item.select('.field-financing')[0].get_text().strip()
            print(field)
            node = item.select('.temptation')
            if node:
                temptation = item.select('.temptation')[0].get_text().strip()
                print(temptation)
            print('-' * 20)
        print('\n'+' - '*50+'\n')

if __name__ =='__main__':
    get_pages_link()

Python爬虫之抓取豆瓣电影Top250

1.观察网页结构
首先需要登录豆瓣的网站:https://movie.douban.com/top250 ,通过审查元素,可以看到豆瓣的电影都是很整齐的放在li 里面,所以很方便我们爬取数据

通过展开第一个li ,可以看到我们需要的数据

2.观察网址的变化
通过点击页面的页数,我们发现网址也是很有规律的变化的,嘻嘻,是不是有种这个网站就是为爬虫而生的感觉
点击第二页时网址是 : https://movie.douban.com/top250?start=25&filter=
点击第三页时网址是 : https://movie.douban.com/top250?start=50&filter=
并且每一页的电影条数刚好就是25条,所以,我们可以找到规律了.当然网址的&filter是可以去掉的,这并不会影响我们的发挥,还有一点就是通过设置start=0 依然可以访问首页

3.开始写代码了

pip install lxml
pip install beautifulsoup4

import requests
from bs4 import BeautifulSoup
import time
import random

# 设置header
header = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:58.0) Gecko/20100101 Firefox/58.0',
        'Connection': 'keep - alive'
        }
movie_list = []
def get_pages_link():
    # https://movie.douban.com/top250?start=25
    for item in range(0,250,25):
        url = "https://movie.douban.com/top250?start={}".format(item)
        web_data = requests.get(url,headers=header)
        time.sleep(1 + random.random())
        soup = BeautifulSoup(web_data.text,'lxml')
        for movie in soup.select('#wrapper li'):
            href = movie.select('.hd > a')[0]['href']
            name = movie.select('.hd > a > span')[0].text
            star = movie.select('.rating_num')[0].text
            people = movie.select('.star > span')[3].text
            try:
                quote = movie.select('.inq')[0].text
            except :
                print("没有quote哦")
                quote = None
            data = {
                'url':href,
                '评价人数':people,
                '片名':name,
                '评分':star,
                '名言':quote
            }
            print(data)
        print('\n'+' - '*50+'\n')

if __name__ =='__main__':
    get_pages_link()

因为在运行的过程中,经常会报错,后来发现是在第9页有一条电影没有quote ,所以需要加上try语句,防止中途罢工

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 207,248评论 6 481
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 88,681评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 153,443评论 0 344
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 55,475评论 1 279
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 64,458评论 5 374
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,185评论 1 284
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,451评论 3 401
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,112评论 0 261
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,609评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,083评论 2 325
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,163评论 1 334
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,803评论 4 323
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,357评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,357评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,590评论 1 261
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,636评论 2 355
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,925评论 2 344

推荐阅读更多精彩内容

  • 摘要: 利用python, requests, BeautifulSoup爬取妹子图所有图片
    fendushu阅读 2,845评论 0 3
  • 安装Scrapy框架 直接运行pip install scrapy后出现错误提示: 查看官方文档,发现scrapy...
    也然君阅读 380评论 0 4
  • 有时候从梦里醒来,会突然清醒,想想自己身在何处,想想未完成的工作,突然就变得惆怅,大半夜都在思索人生的意义。在梦里...
    宽胯小胖脚阅读 279评论 0 1
  • 骇伦
    骇伦大魔王阅读 530评论 1 1
  • 现在以经是秋天了,但小草无处不见,满山遍野。像给大地铺上了一层黄色的地毯 小草没有花朵美丽,那样鲜艳,...
    梦梦小跟班阅读 186评论 0 1