【Python】爬虫练习-爬取豆瓣网电影评论用户的观影习惯数据

warning: 这篇文章距离上次修改已过194天,其中的内容可能已经有所变动。



import requests
from bs4 import BeautifulSoup
import pandas as pd
 
# 请求URL,获取网页内容
def get_page_content(url):
    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'}
    response = requests.get(url, headers=headers)
    if response.status_code == 200:
        return response.text
    return None
 
# 解析网页,提取数据
def parse_data(html):
    soup = BeautifulSoup(html, 'lxml')
    comments = soup.find_all('div', class_='comment')
    data = []
    for comment in comments:
        info = comment.find('div', class_='info')
        if info:
            user_name = info.find('a').text
            user_url = info.find('a')['href']
            habit_list = info.find_all('span', class_='user-habit')
            habit = ','.join([h.text for h in habit_list])
            data.append((user_name, user_url, habit))
    return data
 
# 保存数据到CSV文件
def save_to_csv(data, file_name):
    df = pd.DataFrame(data, columns=['用户名', '用户主页', '观影习惯'])
    df.to_csv(file_name, index=False, encoding='utf-8')
 
# 主函数
def main(url):
    html = get_page_content(url)
    if html:
        data = parse_data(html)
        save_to_csv(data, 'data.csv')
 
if __name__ == '__main__':
    url = 'https://movie.douban.com/subject/1292720/comments?status=P'
    main(url)

这段代码实现了从豆瓣网站爬取特定网页中用户评论的功能。首先定义了get_page_content函数来发送HTTP请求并获取网页内容,parse_data函数用于解析网页并提取用户名、用户主页以及观影习惯数据,最后save_to_csv函数将数据保存到CSV文件中。最后,main函数组织了整个流程。

最后修改于:2024年08月08日 09:07

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