如何用python爬蟲抓豆瓣電影數(shù)據(jù)

本篇內(nèi)容介紹了“如何用python爬蟲抓豆瓣電影數(shù)據(jù)”的有關(guān)知識(shí)，在實(shí)際案例的操作過(guò)程中，不少人都會(huì)遇到這樣的困境，接下來(lái)就讓小編帶領(lǐng)大家學(xué)習(xí)一下如何處理這些情況吧！希望大家仔細(xì)閱讀，能夠?qū)W有所成！

代理Ip池生成函數(shù)

#生成代理池子，num為代理池容量
def proxypool(num):
    n = 1
    os.chdir(r'/Users/apple888/PycharmProjects/proxy IP')
    fp = open('host.txt', 'r')
    proxys = list()
    ips = fp.readlines()    
    while n<num:        
        for p in ips:
            ip = p.strip('\n').split('\t')
            proxy = 'http:\\' + ip[0] + ':' + ip[1]
            proxies = {'proxy': proxy}
            proxys.append(proxies)
            n+=1
    return proxys

下面開始爬

下面開始爬豆瓣電影的電影數(shù)據(jù)，我們要獲取 電影名、演員、評(píng)分。

#爬豆瓣電影的代碼
def fetch_movies(tag, pages, proxys):
    os.chdir(r'/Users/apple888/PycharmProjects/proxy IP/豆瓣電影')
    url = 'https://movie.douban.com/tag/愛(ài)情?start={}'
    headers = {    'User-Agent': 'Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/'
                  '537.36 (KHTML, like Gecko) Chrome/56.0.2924.87 Mobile Safari/537.36'}    
    #用csv文件保存數(shù)據(jù)
    csvFile = open("{}.csv".format(tag), 'a+', newline='', encoding='utf-8')
    writer = csv.writer(csvFile)
    writer.writerow(('name', 'score', 'peoples', 'date', 'nation', 'actor'))    
    for page in range(0, pages*(20+1), 20):
        url = url.format(page)        
        try:
            respones = requests.get(url, headers=headers, proxies=random.choice(proxys))            
            while respones.status_code!=200:
                respones = requests.get(url, headers=headers, proxies=random.choice(proxys))
            soup = BeautifulSoup(respones.text, 'lxml')
            movies = soup.find_all(name='div', attrs={'class': 'pl2'})            
            for movie in movies:
                movie = BeautifulSoup(str(movie), 'lxml')
                movname = movie.find(name='a')                
                # 影片名
                movname = movname.contents[0].replace(' ', '').strip('\n').strip('/').strip('\n')
                movInfo = movie.find(name='p').contents[0].split('/')                
                # 上映日期
                date = movInfo[0][0:10]                
                # 國(guó)家
                nation = movInfo[0][11:-2]
                actor_list = [act.strip(' ').replace('...', '') 
                              for act in movInfo[1:-1]]                
                # 演員
                actors = '\t'.join(actor_list)                
                # 評(píng)分
                score = movie.find('span', {'class': 'rating_nums'}).string                
                # 評(píng)論人數(shù)
                peopleNum = movie.find('span', {'class': 'pl'}).string[1:-4]
                writer.writerow((movname, score, peopleNum, date, nation, actors))        
                except:            
                    continue
        print('共有{}頁(yè)，已爬{}頁(yè)'.format(pages, int((page/20))))

執(zhí)行上面函數(shù)的代碼

import timestart = time.time()
proxyPool= proxypool(50)
fetch_movies('爛片', 111, proxyPool)end = time.time()
lastT = int(end-start)
print('耗時(shí){}s'.format(lastT))

Perfect

“如何用python爬蟲抓豆瓣電影數(shù)據(jù)”的內(nèi)容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識(shí)可以關(guān)注億速云網(wǎng)站，小編將為大家輸出更多高質(zhì)量的實(shí)用文章！