python电影爬取&&flask框架&&可视化

本文介绍了如何使用Python爬取豆瓣电影数据,解析链接并存储到SQLite数据库。接着通过Flask框架搭建Web应用,并利用Echarts进行数据可视化展示。还提供了相关库如bs4、re和xlwt的使用以及Flask的运行环境配置。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

豆瓣爬取

获取链接

def askURL(url):
    headers = {
   
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.105 Safari/537.36 Edg/84.0.522.58"
    }
    req = urllib.request.Request(url, headers=headers)
    html = ""
    try:
        response = urllib.request.urlopen(req)
        html = response.read().decode('utf-8')
    except (urllib.error.URLError, urllib.error.HTTPError) as e:
        if hasattr(e, "code"):
            print(e.code)
        if hasattr(e, "reason"):
            print(e.reason)
    return html


解析链接(先用beautifulsoup匹配大体部分标签,在用正则精准匹配)


# 影片链接字符串匹配模板
findLink = re.compile(r'<a href="(.*?)">')  # <a是链接标志,作为字符串匹配出的结果也是链接
# 影片图片
findImage = re.compile(r'<img.*src="(.*?)"', re.S)  # re.S 进行多行匹配
# 影片片名
findTitle = re.compile(r'<span class="title">(.*?)</span>')
# 影片评分
fingRating = re.compile(r'<span class="rating_num" property="v:average">(.*?)</span>')
# 评分人数
findJudge = re.compile(r'<span>(\d*)人评价</span>')
# 影片介绍
findInq = re.compile(r'<span class="inq">(.*?)</span>')
# 影片概述
findBd = re.compile(r'<p class="">(.*?)</p>', re.S)


def getData(baseurl):
    datalist = []
    for i in range(10):
        url = baseurl + str(i*25)
        html = askURL(url)
        # 2、逐一解析数据
        soup = bs4.BeautifulSoup(html, "html.parser")
        for item in soup.find_all('div', class_="item"):  # 查找符合要求的字符串
            data = []  # 保存 数据
            item = str(item)
            titles = re.findall(findTitle, item)  # 正则匹配获取列表第一个元素
            if len(titles) == 2:
                ctitle = titles[0]
                data.append(ctitle)  # 添加中文名
                etitle = titles[1]
                etitle = re.sub("/", "", etitle)  # 替换/
                data.append(etitle)  # 添加英文名
            else:
                data.append(titles[0])
                data.append("无")
            link = re.findall(findLink, item)[0]  
            data.append(link)  # 添加电影链接
            rating = re.findall(fingRating, item)[0]
            data.append(rating)  # 添加评分
            JudgeNUm = re.findall(findJudge, item)[0]
            data.append(JudgeNUm)  # 添加人数
            inq = re.findall(findInq, item)
            if len(inq) != 0:
                inq = inq[0].replace("。", "")  
                data.append(inq)  # 添加介绍
            else:
                data.append("无")  # 有的电影没有简介
            bd = re.findall(findBd, item)[0]
            bd = re.sub("<br(/s+)?/>(/s+)?", "", bd)  # 去掉<br/>
            bd = re.sub("/", "", bd)  # 替换/
            data.append(bd.strip())  # 去掉前后的空格
            # image = re.findall(findImage, item)[0]
            # data.append(image)  # 添加图片
            datalist.append(data)  # 将处理好的一部电影储存  一个div->item标签
    return datalist

保存数据(文本,excel,数据库(sqlite))

def saveText(datalist): 
    path = "豆瓣Top250.txt"
    
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