一、爬虫对象-豆瓣电影TOP250
前几天，我分享了一个python爬虫案例，爬取豆瓣读书TOP250数据：【python爬虫案例】用python爬豆瓣读书TOP250排行榜！
今天，我再分享一期，python爬取豆瓣电影TOP250数据！
爬虫大体流程和豆瓣读书TOP250类似，细节之处见逻辑。
首先，打开豆瓣电影TOP250的页面：https://movie.douban.com/top250
开发好python爬虫代码后，爬取成功后的csv数据，如下：
代码是怎样实现的爬取呢？下面逐一讲解python核心代码。
二、python爬虫代码讲解
首先，导入需要用到的库：
import requests # 发送请求
from bs4 import BeautifulSoup # 解析网页
import pandas as pd # 存取csv
from time import sleep # 等待时间
然后，向豆瓣电影网页发送请求：
res = requests.get(url, headers=headers)
利用BeautifulSoup库解析响应页面：
soup = BeautifulSoup(res.text, 'html.parser')
用BeautifulSoup的select函数，（css解析的方法）编写代码逻辑，部分核心代码：
for movie in soup.select('.item'):
name = movie.select('.hd a')[0].text.replace('n', '') # 电影名称
movie_name.append(name)
url = movie.select('.hd a')[0]['href'] # 电影链接
movie_url.append(url)
star = movie.select('.rating_num')[0].text # 电影评分
movie_star.append(star)
star_people = movie.select('.star span')[3].text # 评分人数
star_people = star_people.strip().replace('人评价', '')
movie_star_people.append(star_people)
其中，需要说明的是，《大闹天宫》这部电影和其他电影页面排版不同：
它的上映年份有3个（其他电影只有1个上映年份），并且以"/"分隔，正好和国家、电影类型的分割线冲突，
所以，这里特殊处理一下：
if name == '大闹天宫 / 大闹天宫 上下集 / The Monkey King': # 大闹天宫，特殊处理
year0 = movie_infos.split('n')[1].split('/')[0].strip()
year1 = movie_infos.split('n')[1].split('/')[1].strip()
year2 = movie_infos.split('n')[1].split('/')[2].strip()
year = year0 + '/' + year1 + '/' + year2
movie_year.append(year)
country = movie_infos.split('n')[1].split('/')[3].strip()
movie_country.append(country)
type = movie_infos.split('n')[1].split('/')[4].strip()
movie_type.append(type)
最后，将爬取到的数据保存到csv文件中：
def save_to_csv(csv_name):
"""
数据保存到csv
:return: None
"""
df = pd.DataFrame() # 初始化一个DataFrame对象
df['电影名称'] = movie_name
df['电影链接'] = movie_url
df['电影评分'] = movie_star
df['评分人数'] = movie_star_people
df['导演'] = movie_director
df['主演'] = movie_actor
df['上映年份'] = movie_year
df['国家'] = movie_country
df['类型'] = movie_type
df.to_csv(csv_name, encoding='utf_8_sig') # 将数据保存到csv文件
其中，把各个list赋值为DataFrame的各个列，就把list数据转换为了DataFrame数据，然后直接to_csv保存。
这样，爬取的数据就持久化保存下来了。
三、同步视频
同步讲解视频：【python爬虫】利用python爬虫爬取豆瓣电影TOP250的数据！
四、获取完整源码
附完整源码：【python爬虫案例】利用python爬虫爬取豆瓣电影TOP250的数据！
我是 @马哥python说 ，持续分享python源码干货中！
内容来源于网络如有侵权请私信删除
文章来源: 博客园
- 还没有人评论，欢迎说说您的想法！
客服
