用python爬取豆瓣电影Top 250

  首先,打开豆瓣电影Top 250,然后进行网页分析。找到它的Host和User-agent,并保存下来。  然后,我们通过翻页,查看各页面的url,发现规律:

  第一页:https://movie.douban.com/top250?start=0&filter=

  第二页:https://movie.douban.com/top250?start=25&filter=

  第三页:https://movie.douban.com/top250?start=50&filter=

    第四页:https://movie.douban.com/top250?start=75&filter=

  我们发现,每个页面的url都是https://movie.douban.com/top250?start= +25+ &filter=的规律。如此,就可以开始写代码:

import requests
from bs4 import BeautifulSoup
def get_movie():
    headers={
        'Host': 'movie.douban.com',
        'User-Agent': 'Mozilla / 5.0(Windows NT 6.1;WOW64) AppleWebKit / 537.36(KHTML, likeGecko) Chrome / 45.0.2454.101Safari / 537.36'
    } #防止反扒措施
    movie_list=[]
    for i in range(10):
        url='https://movie.douban.com/top250?start='+str(i*25) #各页面url
        response=requests.get(url,headers=headers,timeout=10)
        soup=BeautifulSoup(response.text,'lxml')
        div_list=soup.find_all('div',class_='hd')
        for each in div_list:
            movie=each.a.span.text.strip()
            movie_list.append(movie)
    for j in movie_list:
        print(j) #按格式输出电影名称
get_movie()

  下面给出运行结果:

posted @ 2019-12-08 17:31  陈康、  阅读(812)  评论(0编辑  收藏  举报