python实战项目 — 使用bs4 爬取猫眼电影热榜（存入本地txt、以及存储数据库列表）

 案例一： 

 重点： 

1. 使用bs4 爬取

2. 数据写入本地 txt

 

from bs4 import BeautifulSoup
import requests

url = "http://maoyan.com/board"
header = {
    'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/77.0.3865.90 Safari/537.36'
}
rsq = requests.get(url=url,headers=header).text
soup = BeautifulSoup(rsq, "lxml")
# 所有信息都在 <dd> </dd>标签中，先提取出这个标签
items = soup.select('dd')

# 构建本地txt文档
with open("D://maoyan.txt", "w", encoding="utf-8") as f:
    for item in items:
        # 提取标题
        title=item.select('p a[data-act="boarditem-click" ]')[0].get_text()
        # 提取主演
        star=item.select('p[class = "star"]')[0].get_text().replace("\n", "").strip(" ")
        # 提取分数
        score=item.select('p[class = "score"]')[0].get_text().strip('\n').strip(' ')
        # 提取上映时间
        releasetime=item.select('p[class = "releasetime"]')[0].get_text()
        # 数据整合
        datas=title + "  " + releasetime + "  " + star + "  " + score + "\n"
        print(datas)
        # 利用for循环把每条datas信息写入本地
        f.write(datas)
f.close()
print("Sucessful")

　　

 

 

优化后

重点：

1. 链接数据库，创建表

2. 在线爬取写入数据库表

 # 下面需要用requests 请求，不要用 “ from urllib import request ”

from bs4 import BeautifulSoup
from urllib import request
import time
import pymysql

# 记录开始时间
start_time = time.time()

print("尝试链接服务器")
try:
    #  链接到服务器
    connect = pymysql.connect(host='主机地址', user='用户', passwd='密码', db='数据库名', port=3306)
    # 创建游标，对数据进行操作
    cursor = connect.cursor()
    # 如果存在同名表就删除
    cursor.execute('DROP TABLES IF EXISTS maoyan_datas')
    # 使用SQL语句创建表
    sql1 =""" create table  maoyan_datas(
    title  CHAR(100),
    star CHAR(200),
    score CHAR(50),
    releasetime CHAR(200) 
    )"""
    # 执行上面的sql语句
    cursor.execute(sql1)
    # 提交执行
    connect.commit()
#    db.close()
    print("链接数据库创建表完成")

except Exception as e:
    print("链接数据库创建表失败" + str(e))


url="http://maoyan.com/board"
rsq = request.urlopen(url)
html = rsq.read().decode()
# 解析网址
soup = BeautifulSoup(html,"lxml")
# 提取前端结构中 <dd> </dd> 标签部分，因为此部分包含全部信息
items = soup.select('dd')
print("已获取网站数据")

sql2 = 'insert into maoyan_datas(title,star,score,releasetime) values(%s,%s,%s,%s)'
i = 0
for item in items:
    # 提取标题
    title = item.select('p a[data-act="boarditem-click" ]')[0].get_text()
    # 提取主演
    star = item.select('p[class = "star"]')[0].get_text().replace("\n","").strip(" ")
    # 提取分数
    score = item.select('p[class = "score"]')[0].get_text().strip('\n').strip(' ')
    # 提取上映时间
    releasetime = item.select('p[class = "releasetime"]')[0].get_text()
    # 数据拼接
    all = [title, str(star),str(score),str(releasetime)]
    #打印当前获取的电影信息
    print(all)
    # 把电影信息写入数据库
    cursor.execute(sql2,all)
    i = i +1
    print("已写入 %s 行数据"%i)

connect.close()
print("done，消耗了时间： %f s" % (time.time() - start_time))