爬虫入门-4-3.爬取豆瓣电影

Posted min-r

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了爬虫入门-4-3.爬取豆瓣电影相关的知识,希望对你有一定的参考价值。

技术图片
 1 import requests
 2 
 3 url = "https://movie.douban.com/cinema/nowplaying/changsha/"
 4 proxy = {
 5     HTTP: 116.209.53.143:9999
 6 }
 7 headers = {
 8     User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36
 9                    (Khtml, like Gecko) Chrome/72.0.3626.121 Safari/537.36,
10     Host: movie.douban.com
11 }
12 response = requests.get(url, headers=headers, proxies=proxy)
13 with open(movie.html, w, encoding=utf-8) as f:
14     f.write(response.content.decode(utf-8))
抓取
技术图片
 1 from lxml import etree
 2 
 3 parser = etree.HTMLParser(encoding=utf-8)
 4 html = etree.parse(movie.html, parser=parser)
 5 # 1.获取ul等于lists的第一个ul标签(正在上映的电影)
 6 ul = html.xpath("//ul[@class=‘lists‘]")[0]
 7 # 2.获取ul=lists标签下所有的li标签
 8 lis = ul.xpath("./li")
 9 movies = list()
10 for li in lis:
11     # 3.获取li标签的各个属性,返回的是一个列表,取第一个元素
12     title = li.xpath("@data-title")[0]
13     duration = li.xpath("@data-duration")[0]
14     region = li.xpath("@data-region")[0]
15     director = li.xpath("@data-director")[0]
16     actors = li.xpath("@data-actors")[0]
17     image = li.xpath(".//img/@src")[0]
18     movie = {
19         片名: title,
20         时长: duration,
21         区域: region,
22         导演: director,
23         演员: actors,
24         海报: image
25     }
26     movies.append(movie)
27 for m in movies:
28     print(m)
解析

 

以上是关于爬虫入门-4-3.爬取豆瓣电影的主要内容,如果未能解决你的问题,请参考以下文章

Python爬虫入门 | 爬取豆瓣电影信息

第一个nodejs爬虫:爬取豆瓣电影图片

python爬虫入门Scrapy框架之数据库保存

python爬取豆瓣电影Top250(附完整源代码)

[python爬虫] BeautifulSoup和Selenium对比爬取豆瓣Top250电影信息

python爬取豆瓣电影首页超链接