python爬取猫眼电影的Top100

Posted 2020-11-22 L的存在

1 查看网页结构

(1)确定需要抓取的字段

电影名称

电影主演

电影上映时间

电影评分

(2) 分析页面结构

按住f12------->点击右上角(如下图2)---->鼠标点击需要观察的字段

(3)BeautifulSoup解析源代码并设置过滤属性

1 soup = BeautifulSoup(htmll, \'lxml\')

2 Movie_name = soup.find_all(\'div\',class_=\'movie-item-info\')

3 Movie_Score1=soup.find_all(\'p\',class_=\'score\')

(4)调试查看过滤属性是否正确

(5)提取对应字段

 1  for cate,score in zip(Movie_name,Movie_Score1):
 2         data={}
 3         movie_name1 = cate.find(\'a\').text.strip(\'\\n\')
 4         data[\'title\']=movie_name1
 5         movie_actor = cate.find_all("p")[1].text.replace("\\n"," ").strip()
 6         data[\'actors\']=movie_actor
 7         movie_time=cate.find_all("p")[2].text.strip(\'\\n\').strip()
 8         data[\'data\']=movie_time
 9         movie_score1=score.find_all("i")[0].string
10         movie_score2=score.find_all("i")[1].string
11         movie_score=movie_score1+movie_score2
12         data[\'score\'] = movie_score
13         name = movie_name1 + "\\t"+movie_actor+"\\t" + movie_time+"\\t"+movie_score
14         DATA.append(name)
15         with open(\'Movie1.txt\', \'a+\') as f:
16             f.write("\\n{}".format(name))

View Code

(6)翻页爬取

如下图，按照1 2 3步骤，发现页数是有这样子的规律。比如offset=0 offset=10......

2 存储excel

1   for datas in DATA:
2         datas=datas.split(\'\\t\')#因为我之前解析字段拼接的时候就是采用\\t分割
3         print(len(datas))
4         print(datas)
5         for j in range(len(datas)):#列表中的每一项都包含按照\\t分割的字段
6             print(j)
7             sheet1.write(i, j, datas[j])
8         i = i + 1
9     f.save("d.xls")  # 保存文件

View Code

3 结果