Python网页爬虫爬取豆瓣Top250电影数据——Xpath数据解析_爬虫电影




import requests
from lxml import etree
import csv
import time
 
# 设置请求头,模拟浏览器访问
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_data(url):
    # 发送请求,获取响应
    response = requests.get(url, headers=headers)
    return response.text
 
def parse_data(html):
    # 使用Xpath解析网页
    html = etree.HTML(html)
    # 影片名称
    name = html.xpath('//div[@class="info"]/div[@class="hd"]/a/span[1]/text()')
    # 影评分数
    score = html.xpath('//div[@class="info"]/div[@class="bd"]/div[@class="star"]/span[@class="rating_num"]/text()')
    # 评分人数
    people = html.xpath('//div[@class="info"]/div[@class="bd"]/div[@class="star"]/span[4]/text()')
    # 上映日期
    time = html.xpath('//div[@class="info"]/div[@class="bd"]/p[@class=""]/text()')
    # 导演
    director = html.xpath('//div[@class="info"]/div[@class="bd"]/p[@class=""]/text()')
    # 编剧
    writer = html.xpath('//div[@class="info"]/div[@class="bd"]/p[@class=""]/text()')
    # 类型
    type = html.xpath('//div[@class="info"]/div[@class="bd"]/p[@class=""]/text()')
    # 区域
    area = html.xpath('//div[@class="info"]/div[@class="bd"]/p[@class=""]/text()')
    # 语言
    language = html.xpath('//div[@class="info"]/div[@class="bd"]/p[@class=""]/text()')
    # 上映时间
    time_show = html.xpath('//div[@class="info"]/div[@class="bd"]/p[@class=""]/text()')
    # 集数
    part = html.xpath('//div[@class="info"]/div[@class="bd"]/p[@class=""]/text()')
    # 国家
    country = html.xpath('//div[@class="info"]/div[@class="bd"]/p[@class=""]/text()')
    # 简介
    introduce = html.xpath('//div[@class="info"]/div[@class="bd"]/p[@class=""]/text()')
 
    return name, score, people, time, director, writer, type, area, language, time_show, part, country, introduce
 
def save_data(data):
    # 保存数据到CSV文件
    with open('douban_top250.csv', 'a', newline='', encoding='utf-8') as f:
        writer = csv.writer(f)
        writer.writerow(data)
最后修改于:2024年08月16日 14:17

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