Python：女神说周末看电影，于是我把热门电影爬了遍，看看女神喜欢哪一部

二、前期准备

================================================================

1、使用的软件

---

• python 3.8 开源 免费的 (统一 3.8)

• Pycharm YYDS python最好用的编辑器 不接受反驳…

软件我都放这了： 软件工具等等

2、需要用的模块

---

requests >>> 数据请求模块 pip install requests

parsel >>> 数据解析模块 pip install parsel

csv

3、模块安装问题

---

模块安装问题:

1)、如何安装python第三方模块:

第一种：win + R 输入 cmd 点击确定, 输入安装命令 pip install 模块名 (pip install requests) 回车。

第二种：在pycharm中点击Terminal(终端) 输入安装命令

2)安装失败原因:

第一种: pip 不是内部命令

解决方法: 设置环境变量

第二种: 出现大量报红 (read time out)

解决方法: 因为是网络链接超时, 需要切换镜像源。

清华：https://pypi.tuna.tsinghua.edu.cn/simple

阿里云：http://mirrors.aliyun.com/pypi/simple/

中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/

华中理工大学：http://pypi.hustunique.com/

山东理工大学：http://pypi.sdutlinux.org/

豆瓣：http://pypi.douban.com/simple/

例如：pip3 install -i https://pypi.doubanio.com/simple/ 模块名

第三种: cmd里面显示已经安装过了, 或者安装成功了, 但是在pycharm里面还是无法导入。

解决方法: 可能安装了多个python版本 (anaconda 或者 python 安装一个即可) 卸载一个就好，或者你pycharm里面python解释器没有设置好。

4、如何配置pycharm里面的python解释器?

---

如何配置pycharm里面的python解释器?

1. 选择file(文件) >>> setting(设置) >>> Project(项目) >>> python interpreter(python解释器)

2. 点击齿轮, 选择add

3. 添加python安装路径

5、pycharm如何安装插件?

---

1. 选择file(文件) >>> setting(设置) >>> Plugins(插件);

2. 点击 Marketplace 输入想要安装的插件名字 比如:翻译插件 输入 translation;

3. 选择相应的插件点击 install(安装) 即可;

4. 安装成功之后 是会弹出 重启pycharm的选项 点击确定, 重启即可生效;

三、思路

==============================================================

爬虫获取数据是要分析服务器返回的数据内容，无论你爬取任何网站数据，都是可以按照这个几步骤来。

1、明确需求

---

我们要爬取的内容是什么 https://movie.douban.com/top250，要分析我们的想要数据, 可以从哪里获取/哪里来的… (数据来源分析)

用开发者工具进行抓包(数据包)分析，静态网页/网页上面看到的数据内容，在网页源代码里面都有。

2、发送请求

---

开发者工具里面headers ，对于那个网址发送请求，发送什么样的请求，携带那些请求头参数。

3、获取数据

---

获取服务器返回的数据内容，看服务器数据格式是什么样的，或者说我们想要的数据是什么样的；

获取文本数据 response.text

获取服务器json字典数据 response.json()

获取二进制数据 response.content

保存视频/音频/图片/特定格式的文件内容， 都是获取二进制数据；

4、解析数据

---

提供我们想要的数据内容

5、保存数据

---

保存本地

四、代码部分

================================================================

import requests # 数据请求模块 pip install requests

import parsel # 数据解析模块 pip install parsel

import csv # 保存表格数据

f = open(‘豆瓣数据.csv’, mode=‘a’, encoding=‘utf-8’, newline=‘’)

快速批量替换 全选内容 使用正则表达式 替换内容

csv_writer = csv.DictWriter(f, fieldnames=[

‘电影名字’,

‘导演’,

‘主演’,

‘年份’,

‘国家’,

‘电影类型’,

‘评论人数’,

‘评分’,

‘概述’,

‘详情页’,

])

csv_writer.writeheader()

for page in range(0, 250, 25):

url = f’https://movie.douban.com/top250?start={page}&filter=’

headers 请求头 用来伪装python代码 为了防止爬虫程序被服务器识别出来,

User-Agent 浏览器的基本标识 用户代理 直接复制粘贴的

披着羊皮的狼 爬虫程序 >>> 狼 headers >>> 羊皮 服务器数据 >>> 羊圈

headers = {

‘User-Agent’: ‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.45 Safari/537.36’

}

发送请求 get

通过requests数据请求模块里面get请求方法 对于 url以及发送请求并且携带header请求头, 最后用response变量接收返回数据

response = requests.get(url=url, headers=headers)

获取数据

print(response.text)

解析数据 re正则表达式 css选择器 xpath 那一种更方便 更加舒服 就用哪一个

json 键值对取值

提取我们想要的数据内容

把获取下来的 response.text 网页字符串数据 转成selector 对象

selector = parsel.Selector(response.text)

对象

css选择器 根据标签属性提取数据

第一次解析数据, 获取所有li标签

lis = selector.css(‘.grid_view li’) # css选择器语法

selector.xpath(‘//*[@class=“grid_view”]/li’) # xpath写法

[] 列表, 如果说我想要一一提取列表里面的元素 怎么做?

for li in lis:

try:

span:nth-child(1) 组合选择器 表示的选择第几个span标签

1 选择第一个span标签 text 获取标签文本数据

title = li.css(‘.hd a span:nth-child(1)::text’).get()

href = li.css(‘.hd a::attr(href)’).get() # 详情页

li.xpath(‘//*[@class=“hd”]/a/span(1)/text()’).get()

get返回字符串数据 getall 是返回列表数据

get获取第一个标签数据 getall 获取所有的

move_info = li.css(‘.bd p::text’).getall()

actor_list = move_info[0].strip().split(’ ') # 列表索引位置取值

print(actor_list)

date_list = move_info[1].strip().split(‘/’) # 列表索引位置取值

director = actor_list[0].replace('导演: ', ‘’).strip() # 导演

actor = actor_list[1].replace(‘主演: ‘, ‘’).replace(’/’, ‘’).replace(‘…’, ‘’) # 演员

date = date_list[0].strip() # 年份

country = date_list[1].strip() # 国家

move_type = date_list[2].strip() # 电影类型

comment = li.css(‘.star span:nth-child(4)::text’).get().replace(‘人评价’, ‘’) # 评论人数

star = li.css(‘.star span:nth-child(2)::text’).get() # 星级

world = li.css(‘.inq::text’).get() # 概述

字符串的高级方法

replace() 字符串替换的方法 strip() 去除字符串左右两端的空格 split() 分割 之后返回的列表

字符串如何去除空格呢?

print(title, actor_list, date_list)

dit = {

‘电影名字’: title,

‘导演’: director,