第一次爬虫实例
Posted xu743876685
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了第一次爬虫实例相关的知识,希望对你有一定的参考价值。
第一次爬虫实例
1、这是我第一次写的爬虫实例,写的不好请见谅,最后发现爬取的次数多了,被网站拉黑了,还是需要代理才行,代理还不太清楚怎么弄就先这样了
后面请大神可以帮忙改下怎么使用代理爬取。
第一次爬取网站的所有电影信息(仅供参考)
具体思路就是先获取第一页上的信息
然后根据翻页上的页数来确定爬取多少页
#下一步就是要写怎么爬取这些电影的种子并且下载到本地,等有时间了在写
下面是具体代码:
import requests from bs4 import BeautifulSoup from concurrent.futures import ThreadPoolExecutor root = ‘http://www.btrenren.com‘ def bt_video(num): url = "http://www.btrenren.com/index.php/Index/index/p/%s.html"%num head = {"User-Agent":"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/57.0.2987.98 Safari/537.36 LBBROWSER"} html = requests.get(url=url,headers=head) soup = BeautifulSoup(html.content,‘lxml‘) data = soup.find(‘div‘,class_="ml") data = data.find_all(class_="title") with open("video.txt", ‘a‘, encoding=‘utf-8‘) as f: for i in data: #电影名 name = i.find_all(‘font‘)[1].get_text().split(‘/‘)[0] #日期国家 vlue = i.find_all(class_=‘des‘)[0].get_text().split(‘ ‘)[0] #演员 vlue1 = i.find_all(class_=‘des‘)[0].get_text().split(‘ ‘)[1] #豆瓣评分 douban = i.find(class_="rt").get_text() #网页路径 href = root + i.find_all(‘a‘)[1].get(‘href‘) #print(name,vlue,vlue1,douban,href) f.write(‘%s,%s,%s,%s,%s ‘ % (name, vlue, vlue1, douban,href)) print(num) def num_video(): url = "http://www.btrenren.com/index.php/Index/index/p/1.html" head = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/57.0.2987.98 Safari/537.36 LBBROWSER"} html = requests.get(url=url, headers=head) soup = BeautifulSoup(html.content, ‘lxml‘) number = soup.find(‘ul‘,class_="pagelist") number = number.find_all(‘span‘,class_="rows") num = number[0].get_text().split(‘ ‘)[1] return num if __name__ == "__main__": executor = ThreadPoolExecutor(max_workers=30) num = int(num_video()) for i in range(1,num): executor.submit(bt_video,i) executor.shutdown() exit()
以上是关于第一次爬虫实例的主要内容,如果未能解决你的问题,请参考以下文章