Python3爬取猫眼电影爬虫(破解字符集反爬)




import requests
from lxml import etree
import pymysql
 
# 连接数据库
conn = pymysql.connect(host='localhost', user='root', password='12345', database='cat', charset='utf8')
cursor = conn.cursor()
 
# 爬取单个页面的数据
def get_single_page_data(url):
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/72.0.3626.121 Safari/537.36',
    }
    response = requests.get(url, headers=headers)
    response.encoding = 'utf-8'
    return response.text
 
# 解析数据
def parse_data(html):
    tree = etree.HTML(html)
    li_list = tree.xpath('//ul[@class="board-wrapper"]/li')
    for li in li_list:
        name = li.xpath('.//div[@class="name"]/a/span/text()')[0]
        score = li.xpath('.//div[@class="star"]/span[@class="rating_num"]/text()')[0]
        # 注意:这里需要处理字符集问题,如果有字符集问题,可以使用如下方式解码
        # name = name.encode('iso-8859-1').decode('utf-8')
        # score = score.encode('iso-8859-1').decode('utf-8')
        print(name, score)
        # 插入数据库
        cursor.execute('insert into movie(name, score) values("%s", "%s")' % (name, score))
        conn.commit()
 
# 主函数
def main():
    for i in range(1, 11):
        url = 'https://maoyan.com/board?offset=' + str((i - 1) * 10)
        html = get_single_page_data(url)
        parse_data(html)
 
if __name__ == '__main__':
    main()

这段代码修复了原代码中的XPath表达式错误,并添加了对字符集问题的处理。如果遇到破解字符集的情况,可以使用.encode('iso-8859-1').decode('utf-8')来进行转码。注意,实际应用中可能需要根据实际网站的字符集进行相应的转换。

最后修改于:2024年08月23日 11:39

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