栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 软件开发 > 后端开发 > Python

爬取豆瓣电影各个类型的电影名称

Python 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

爬取豆瓣电影各个类型的电影名称

import requests,re,json
from lxml import etree
from openpyxl import  Workbook
wb = Workbook()
ws = wb.active
ws.append(['电影名称'])
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.61 Safari/537.36'
    
}
base_url = 'https://movie.douban.com/chart'
movies_count_url= 'https://movie.douban.com/j/chart/top_list_count?type={}&interval_id=100%3A90'
movies_url = 'https://movie.douban.com/j/chart/top_list?type={}&interval_id=100%3A90&action=&start=0&limit={}'
response = requests.get(url=base_url,headers=headers)
html = etree.HTML(response.text)
span_list = html.xpath('//div[@]/span')
for span in span_list:
    big_title = span.xpath('./a/text()')[0]
    types_id = span.xpath('./a/@href')[0]
    type_id = re.findall('.*?type=(d+).*?',types_id)[0]
    # print(big_title,type_id)
    resp = requests.get(url=movies_count_url.format(type_id),headers=headers)
    dict_data = json.loads(resp.text)
    movies_count = dict_data['total']
    # print(movies_count)
    res = requests.get(url=movies_url.format(type_id,movies_count),headers=headers)
    movies_list = json.loads(res.text)
    print(big_title)
    for movies in movies_list:
        lis = []
        movies_name = movies['title']
        lis.append(movies_name)
        ws.append(lis)
wb.save('./data/豆瓣电影大全.xlsx')
转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/313369.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号