使用Beautiful Soup爬取猫眼TOP100的电影信息
使用Beautiful Soup爬取猫眼TOP100的电影信息,将排名、图片、电影名称、演员、时间、评分等信息,提取的结果以文件形式保存下来。
import time import json import requests from bs4 import BeautifulSoup def get_one_page(url): try: headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36' + '(KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36'} response = requests.get(url, headers=headers) response.encoding = response.apparent_encoding if response.status_code == 200: return response.text return None except RequestException: return None def parse_one_page(text): soup = BeautifulSoup(text, 'lxml') #使用lxml XML 解析库 #CSS选择器 #div p 选择div节点内部的所有p节点 #div>p 选择父节点为div节点的所有p节点 #调用select()方法,传入相应的CSS选择器 ranking = soup.select('dd .board-index') #后代选择器 imgsrc = soup.select('#app > div > div > div.main > dl > dd > a > img.board-img') #子代选择器 title = soup.select('#app > div > div > div.main > dl > dd > a') #star = soup.select('#app > div > div > div.main > dl > dd > div > div > div.movie-item-info > p.star') #find_all()查询所有符合条件的元素 star = soup.find_all(name='p', class_='star') #class是关键字,所以加下划线 releasetime = soup.find_all(name='p', class_='releasetime') interger = soup.find_all(name='i', class_='integer') fraction = soup.find_all(name='i', class_='fraction') for i in range(10): yield { 'index': ranking[i].string, #亦可用get_text() 'image': imgsrc[i].attrs['data-src'], 'title': title[i]['title'], #这两种都可以获取属性值 'actor': star[i].string.strip()[3:], 'time': releasetime[i].string.strip()[5:], 'score': interger[i].string + fraction[i].string } def write_to_file(content): with open('maoyan.txt', 'a', encoding='utf-8') as f: f.write(json.dumps(content, ensure_ascii=False)+'\n') def main(offset): url = 'https://maoyan.com/board/4?offset=' + str(offset) text = get_one_page(url) for item in parse_one_page(text): print(item) #write_to_file(item) if __name__ == '__main__': for i in range(10): main(offset=i*10) time.sleep(1)
标签:
爬虫
, Beautiful Soup
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 开发者必知的日志记录最佳实践
· SQL Server 2025 AI相关能力初探
· Linux系列:如何用 C#调用 C方法造成内存泄露
· AI与.NET技术实操系列(二):开始使用ML.NET
· 记一次.NET内存居高不下排查解决与启示
· 被坑几百块钱后,我竟然真的恢复了删除的微信聊天记录!
· 没有Manus邀请码?试试免邀请码的MGX或者开源的OpenManus吧
· 【自荐】一款简洁、开源的在线白板工具 Drawnix
· 园子的第一款AI主题卫衣上架——"HELLO! HOW CAN I ASSIST YOU TODAY
· Docker 太简单,K8s 太复杂?w7panel 让容器管理更轻松!