豆瓣电影top250爬虫

中秋3天假,学习了两天爬虫,之前在mooc上跟着昊天老师的课程学过一些,豆瓣电影top250是公认的容易爬取的网站,所以参考着众多实战案例自己写了一遍,自己写各种踩坑,总算集各家之长,写出一个比较满意的半成品,先放在简书中。
写爬虫一定要把框架打好,把爬取网页、解析网页、存储数据、判定目录文件是否存在这几部分分开,各用一个函数,对于分块攻克以及检查、通用替换等都非常有好处。
爬取网页用的是昊天老师的通用框架,强力推荐这个框架。
用的这几个库中,requests用于拉回网页内容、bs4进行网页内容解析、os用于判定、删除和建立文件及文件夹、time用于延时减轻服务器压力。

# import library
import requests
from bs4 import BeautifulSoup
import os
import time

# get html text function
def fGetHtmlText(vUrl):
    try:
        vHeaders = {"user-agent": "Mozilla/5.0", "Host": "movie.douban.com"}
        r = requests.get(vUrl, headers = vHeaders)
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        return(r.text)
    except:
        print("There is something wrong")

# analysis the html text with bs4
def fSoup(vHtml):
    vSoup = BeautifulSoup(vHtml, "html.parser")
    vLis = vSoup.select("ol li")    
    for vLi in vLis:
        # index
        vIndex = vLi.find("em").text
        # title
        vTitle = vLi.find("span", class_= "title").text
        # comment, and replace the unleagel string
        vComment = vLi.find("span", class_ ="inq").text
        vComment = vComment.replace("\u22ef", "")
        # rating num
        vRatingNum = vLi.find("span", class_ = "rating_num").text
        fSvaeToFile(vIndex, vTitle, vComment, vRatingNum)

# judgeing if there is the file and folder
def fJudgeFile():
    if os.path.exists("F:\\PythonData") == False:
        os.mkdir("F:\\PythonData")
    if os.path.exists("F:\\PythonData\\douban.csv") == True:
        os.remove("F:\\PythonData\\douban.csv")

# save data
def fSvaeToFile(index, title, comment, ratingNum):
    f = open('F:\\PythonData\\douban.csv', 'a')
    f.write(f'{index}, {title}, {comment}, {ratingNum}\n')
    f.closed
    
# main function
def main(vUrl):    
    vHtml = fGetHtmlText(vUrl)
    vSoup = fSoup(vHtml)
    
# judge if the file exist and run the main function
fJudgeFile()
for i in range(1):    
    vUrl = "http://movie.douban.com/top250?start=" + str(25)
    print("***正在爬取第" + str(i + 1)+ "页***")
    main(vUrl)
    time.sleep(2)
print("*****爬取完毕*****")
©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 211,290评论 6 491
  • 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 90,107评论 2 385
  • 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 156,872评论 0 347
  • 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 56,415评论 1 283
  • 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 65,453评论 6 385
  • 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 49,784评论 1 290
  • 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 38,927评论 3 406
  • 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 37,691评论 0 266
  • 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 44,137评论 1 303
  • 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 36,472评论 2 326
  • 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 38,622评论 1 340
  • 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 34,289评论 4 329
  • 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 39,887评论 3 312
  • 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 30,741评论 0 21
  • 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 31,977评论 1 265
  • 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 46,316评论 2 360
  • 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 43,490评论 2 348

推荐阅读更多精彩内容