Python爬取豆瓣电影Top250

1、开发环境

   Windows 10  + PyCharm （Python3.6）

在下学习python有很长一段时间了，但是对于爬虫技术不咋滴，今天学习了一下爬虫。如有出处，请阅读者指出，让我们共同学习，共同进步，Just Do DT ----> From zero to hero。

# -*- coding: utf-8 -*-
"""

@Time: 2018/8/11 10:52
@Author: JustDoDT
@Version: V1.0

"""

import requests,re
from bs4 import BeautifulSoup

print("现在开始从豆瓣电影Top250中抓取数据.......")
for page in range(10):
    url = 'https://movie.douban.com/top250?start='+str(page*25)+'&filter='
    print('##########正在爬取第'+str(page+1)+'页的数据###########')

    #获取网页源代码
    html = requests.get(url)
    soup = BeautifulSoup(html.text,'html.parser')
    soup = str(soup) #利用正则表达式将网页转换为字符串

    #该函数根据包含的正则表达式字符串创建模式对象
    title = re.compile(r'<span class="title">(.*)</span>')
    names = re.findall(title,soup)
    for name in names:

        if name.find('/') == -1:  #剔除英文名
            with open('F:/网络爬虫/DoubanMovie.txt', 'a', encoding='utf-8') as f:
                print(name)

                f.write('##########正在爬取第'+str(page+1)+'页的数据###########')
                f.write(name)


# if __name__ == '__main__' :
#     save_info(name)

运行结果截图如下：

2、然后把此运行的文档存放在本地的文件夹中

在文件夹中查看，截图如下

小结：注意读写文件的三种方式，这里需要指出指出的是，一定不能用w这种模式，因为他是覆盖以前的，最后只保存最后一行的内容，一定需要用a或者a+这种模式，他不覆盖前面的内容。