scrapy爬取豆瓣TOP250电影

1. 思路分析

1.1 网页关系分析

上图红框内是第一页网址
第一页网址：https://movie.douban.com/top250?start=0
第二页网址：https://movie.douban.com/top250?start=25
…
第十页网址：https://movie.douban.com/top250?start=225
可以看出存在规律，实际就是每页展示25部电影。

1.2 页面内容定位

由于使用scrapy框架，可用Xpath表达式定位元素。
推荐可以使用Firefox的Firefinder插件结合Xpath，快速的定位到想要提取的元素。

2. 创建项目编写爬虫

创建一个项目目录douban

scrapy startproject douban

进入douban目录创建爬虫film

scrapy genspider -t basic film movie.douban.com

items.py代码如下

import scrapy


class DoubanItem(scrapy.Item):

    rank = scrapy.Field()
    title = scrapy.Field()
    dr = scrapy.Field()
    act = scrapy.Field()
    ty = scrapy.Field()
    yr = scrapy.Field(