Python学习之路-爬虫提高:框架功能升级

warning: 这篇文章距离上次修改已过196天,其中的内容可能已经有所变动。



import requests
from bs4 import BeautifulSoup
import re
import os
 
class DoubanSpider:
    def __init__(self, url):
        self.url = url
        self.headers = {
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3'}
 
    def get_page(self, url):
        response = requests.get(url, headers=self.headers)
        if response.status_code == 200:
            return response.text
        return None
 
    def parse_index(self, html):
        soup = BeautifulSoup(html, 'lxml')
        movie_list = soup.find('ol', 'grid_view')
        if movie_list:
            for movie in movie_list.find_all('li'):
                yield {
                    'name': movie.find('span', 'title').getText().strip(),
                    'score': movie.find('span', 'rating_num').getText()
                }
 
    def save_to_file(self, data):
        with open('douban.txt', 'a', encoding='utf-8') as f:
            f.write(f"{data['name']}: {data['score']}\n")
 
    def run(self):
        html = self.get_page(self.url)
        for data in self.parse_index(html):
            print(f"{data['name']}: {data['score']}")
            self.save_to_file(data)
 
if __name__ == '__main__':
    url = 'https://movie.douban.com/tag/#/?sort=T&range=2,10&tags=%E7%83%AD%E9%97%A8'
    DoubanSpider(url).run()

这段代码实现了一个简单的基于Python的豆瓣电影爬虫,它能够抓取豆瓣电影标签页(这里使用的是国产电影标签作为示例)上的电影名称和评分,并将结果输出到控制台和保存到本地文件。这个示例展示了如何组织爬虫的结构,并包含了请求头的添加,以及对HTML内容的解析和提取。

最后修改于:2024年08月12日 14:39

评论已关闭

推荐阅读

DDPG 模型解析,附Pytorch完整代码
2024年11月24日
DQN 模型解析,附Pytorch完整代码
2024年11月24日
AIGC实战——Transformer模型
2024年12月01日
Socket TCP 和 UDP 编程基础(Python)
2024年11月30日
python , tcp , udp
如何使用 ChatGPT 进行学术润色?你需要这些指令
2024年12月01日
AI
最新 Python 调用 OpenAi 详细教程实现问答、图像合成、图像理解、语音合成、语音识别(详细教程)
2024年11月24日
ChatGPT 和 DALL·E 2 配合生成故事绘本
2024年12月01日
omegaconf,一个超强的 Python 库!
2024年11月24日
【视觉AIGC识别】误差特征、人脸伪造检测、其他类型假图检测
2024年12月01日
[超级详细]如何在深度学习训练模型过程中使用 GPU 加速
2024年11月29日
Python 物理引擎pymunk最完整教程
2024年11月27日
MediaPipe 人体姿态与手指关键点检测教程
2024年11月27日
深入了解 Taipy:Python 打造 Web 应用的全面教程
2024年11月26日
基于Transformer的时间序列预测模型
2024年11月25日
Python在金融大数据分析中的AI应用(股价分析、量化交易)实战
2024年11月25日
AIGC Gradio系列学习教程之Components
2024年12月01日
Python3 `asyncio` — 异步 I/O,事件循环和并发工具
2024年11月30日
llama-factory SFT系列教程:大模型在自定义数据集 LoRA 训练与部署
2024年12月01日
Python 多线程和多进程用法
2024年11月24日
Python socket详解,全网最全教程
2024年11月27日