'''
爬取豆瓣电影排行榜
设计思路：
1、先获取电影类型的名字以及特有的编号
2、将编号向ajax发送get请求获取想要的数据
3、将数据存放进excel表格中
'''
环境部署：
软件安装：
Python 3.7.6
官网地址：https://www.python.org/
安装地址：https://www.python.org/ftp/python/3.7.6/python-3.7.6-amd64.exe
PyCharm 2020.2.2 x64 位
官网地址：https://www.jetbrains.com/pycharm/download/#section=windows
参考教程：https://www.jb51.net/article/197466.htm
模块安装(打开cmd或powershell进行下面的命令安装【前提需要有python】)：安装requests模块、lxml模块（发送请求，xpath获取数据）
pip install requests #(主要用来发送请求，获取响应) pip install lxml #(主要引用里面的etree里面的xpath方法)
安装xpathhelper插件（可以在网页中复制相应的节点xpath路径并查看）
1、下载地址：
链接: https://pan.baidu.com/s/1zfpnrnFtZaxrgqrUX9y5Yg
提取码: fmsu
2、window平台下：
· 把文件的后缀名crx改为rar，然后解压到同名文件夹中
· 打开谷歌的扩展程序 ——> 进入到管理管理扩展程序中
· 打开开发者模式，通过加载已解压的扩展程序，将插件导入
3、ios平台下：
· 直接将crx文件拖进扩展程序中
安装xlwt模块（将数据存放进excel表格）
pip install xlwt
项目中需要引入的模块：
import requests from lxml import etree import xlwt import time
使用流程：
- 在列表中填写所需要获取的电影类型名
- 输入开始时获取的start以及获取多少数据的limit
- 填写所要输出的excel表格的名字(代码中默认douban.xls)
- 程序运行结束后打开excel验证数据是否获取
- 观察自己所需的数据
完整代码：
# encoding=utf8
# 编程者 ：Alvin
'''
爬取豆瓣电影排行榜
设计思路：
1、先获取电影类型的名字以及特有的编号
2、将编号向ajax发送get请求获取想要的数据
3、将数据存放进excel表格中
'''
import requests
from lxml import etree
import xlwt
import time
class DouBan():
# 初始化数据，获取最外层的数据
def __init__(self, name_list):
self.headers = {
"User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.150 Safari/537.3",
"Connection": "close",
"Referer": "https://movie.douban.com/"
}
# 获取最外层的数据，并拿到url中的type中的name 和 类型
self.url = 'https://movie.douban.com/chart'
self.dydata_list = []
# 电影的类型名
self.name_list = name_list
# 实例化excel表格对象
self.wb = xlwt.Workbook()
# 通过电影的类型名字获取对应的类型号
def get_data_typenum(self, name):
for data in self.dydata_list:
if data['name'] == name:
typenum =data['dytype']
else:
continue
return typenum
# 获取数据
def get_data_p1(self):
response = requests.get(self.url , headers = self.headers)
# 判断长度是否足够大
# print(len(response.content.decode()))
return response.content.decode()
# 获取下一层的页面数据
def get_data_p2(self, typenum, num, limit):
url = 'https://movie.douban.com/j/chart/top_list'
params = {
'type': typenum,
'interval_id': '100:90',
'action':'',
'start': num*20,
'limit': limit
}
response = requests.get(url,params=params,headers=self.headers)
# print(response.json())
return response.json()
# 处理数据
def data_parse_p1(self, data):
html = etree.HTML(data)
data_list = html.xpath('//div[@class="types"]/span/a/@href')
# 用于收集类型名字
name_list = []
dytype_list = []
# 用于收集类型号
for data in data_list:
name = data.split('"text-align: center">
excel表格显示
本案例笔者的想法是打算先获取到每一个电影类型的前100个数据，然后在excel表格中进行评分的筛选，最后观察现阶段某个电影类型中哪些电影在豆瓣电影中评分较高的