人工智能|网络爬虫——用Python爬取电影数据并可视化分析

import requests
import pandas as pd
from bs4 import BeautifulSoup
import matplotlib.pyplot as plt
 
# 获取网页内容
def get_html(url):
    try:
        response = requests.get(url)
        if response.status_code == 200:
            return response.text
        return None
    except requests.RequestException:
        return None
 
# 解析网页并提取电影信息
def parse_html(html):
    soup = BeautifulSoup(html, 'html.parser')
    movie_data = []
    for div in soup.find_all('div', class_='info'):
        movie = {}
        movie['name'] = div.h4.text
        movie['rating'] = div.find('span', class_='rating_num').text
        movie['votes'] = div.find('span', class_='rating_votes').text.replace(',', '')
        movie_data.append(movie)
    return movie_data
 
# 保存数据到CSV文件
def save_to_csv(data, filename):
    df = pd.DataFrame(data)
    df.to_csv(filename, index=False)
 
# 分析电影评分数据
def analyze_ratings(dataframe):
    ratings = dataframe['rating']
    ratings = ratings.astype(float)
    plt.hist(ratings, bins=20, color='green', edgecolor='white')
    plt.xlabel('Rating')
    plt.ylabel('Frequency')
    plt.title('Histogram of Movie Ratings')
    plt.show()
 
# 主函数
def main():
    url = 'https://example.com/movies'  # 替换为实际的网址
    html = get_html(url)
    movie_data = parse_html(html)
    save_to_csv(movie_data, 'movies.csv')
    dataframe = pd.read_csv('movies.csv')
    analyze_ratings(dataframe)
 
if __name__ == '__main__':
    main()

这段代码提供了一个简化的示例，展示了如何使用Python爬取网站上的电影数据，并使用Pandas和Matplotlib进行数据分析。需要注意的是，实际应用中应遵循网站的robots.txt协议和法律法规，避免违反网站的使用条款。此外，应该使用合适的headers和适当的爬取策略，避免过度请求导致对网站的服务影响。