python BeautifulSoup爬取豆瓣电影top250信息并写入Excel表格

豆瓣是一个社区网站,创立于2005年3月6日。该网站以书影音起家,提供关于书籍,电影,音乐等作品信息,其描述和评论都是由用户提供的,是Web2.0网站中具有特色的一个网站。
豆瓣电影top250网址:https://movie.douban.com/top250?start=0&filter=
BeautifulSoup解析提取信息的具体过程请看BeautifulSoup爬取豆瓣电影top250信息 ,我在其中具体讲解了BeautifulSoup的用法,下面的内容是我把它输出的内容写入Excel表格。
Python27运行结果

把上面的信息改为写进表格,源码如下:

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
import re
import urllib.request
from bs4 import BeautifulSoup
import xlwt

urls = "https://movie.douban.com/top250"
html = urllib.request.urlopen(urls).read()
soup = BeautifulSoup(html, "html.parser")
all_page=[]
print(u'网站名称:', soup.title.string.replace("\n", ""))

# 定位代码范围、爬虫部分
def part(url):
    html = urllib.request.urlopen(url).read()
    soup = BeautifulSoup(html, "html.parser")

    for tag in soup.find_all(attrs={
   
   "class": "item"}):
        try:            
            ta=tag.find('em').string
       
### 使用Python爬取豆瓣电影TOP250数据 为了成功地使用Python爬取豆瓣电影Top250的数据,可以采用`requests`库来发送HTTP请求以及`BeautifulSoup`或者`lxml`解析HTML文档。此外,还需要考虑反爬机制,合理设置请求头和延时访问。 #### 发送HTTP请求与获取网页源码 利用`requests.get()`方法向目标URL发起GET请求,传入必要的headers参数模拟浏览器行为,从而获得响应对象r。接着调用`.text`属性读取出页面的原始HTML文本[^2]。 ```python import requests from bs4 import BeautifulSoup url = 'https://movie.douban.com/top250' headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36' } response = requests.get(url=url, headers=headers) html_content = response.text ``` #### 解析HTML结构提取所需信息 创建一个`BeautifulSoup`实例,指定解析器为'lxml',以便更高效地处理复杂的DOM树。之后遍历标签节点定位到每部电影的具体条目,从中抽取诸如片名、导演、主演等字段的信息[^4]。 ```python soup = BeautifulSoup(html_content, 'lxml') items = soup.find_all('div', class_='item') for item in items: title = item.select_one('.title').get_text(strip=True) rating_num = float(item.select_one('.rating_num').get_text()) comment_count = int(item.select_one('.inq').previous_sibling.strip().replace('人评价', '')) print(f'Title: {title}, Rating: {rating_num:.1f}, Comments: {comment_count}') ``` #### 存储采集下来的结果至本地文件 最后一步就是把整理好的记录写入Excel表格或是CSV格式的纯文本档里去。这里推荐借助pandas框架简化操作流程,先构建DataFrame再调用to_csv()函数完成持久化存储过程。 ```python import pandas as pd data_list = [] ... df = pd.DataFrame(data=data_list) df.to_excel('./output/douban_top250.xlsx', index=False) # 或者 df.to_csv('./output/douban_top250.csv', encoding='utf_8_sig', index=False) ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值