豆瓣评论爬取

置顶百年੭ ᐕ)੭*⁾⁾

已于 2024-10-16 16:50:08 修改

阅读量3.5k

点赞数 17

文章标签： python

于 2023-12-27 09:02:51 首次发布

本文链接：https://blog.youkuaiyun.com/weixin_45938063/article/details/135236099

版权

豆瓣评论爬取

数据来源豆瓣电影
爬取目标
获取自定义页面的数据
将数据保存为文本文档

下面展示部分代码

配置代理池

#代理池配置
proxies_pool=[
    {'http':'114.233.71.160:9000'},
    {'http':'111.225.153.132:8089'},
    {'http':'180.105.117.139:8089'},
    {'http':'111.225.152.68:8089'},
    {'http':'36.138.56.214:3128'},
    {'http':'175.100.72.95:57938'},
    {'http':'198.199.74.99:59166'},
    {'http':'176.100.216.154:8087'},
    {'http':'4.16.68.158:443'},
    {'http':'161.35.70.249:8080'},
]

导入需要的Python库

#导入需要的库
from  lxml import etree
import urllib.request
import urllib.parse
import random

构造请求头

def creat_request(page):
    base_url='https://movie.douban.com/subject/35267208/comments?'
    # https://movie.douban.com/subject/35267208/comments?comment_id=3649271279
    headers = {
        'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/110.0.0.0 Safari/537.36 Edg/110.0.1587.56'

    }

定义方法，获取豆瓣评论数据

def get_content(request):
    handller = urllib.request.ProxyHandler(proxies=proxies)
    opener = urllib.request.build_opener(handller)
    response = opener.open(request)
    # response=urllib.request.urlopen(request)

    tree=etree.HTML(response.read().decode('utf-8'))
    result=tree.xpath('//span[@class="short"]/text()')
    return result

定义方法，下载爬取的数据，保存为文本文件

def down_load(page,result):
    with open('./doubancomment'+str(page)+'txt',mode='w',encoding='utf-8') as file:
        file.write(str(result))

以上就是部分核心代码，爬取的效果还是不错的，简单快捷，还可以继续增加部分信息（如评论人网名和星级）实现更好的爬取效果

规规矩矩的爬取

豆瓣评论爬取

豆瓣评论爬取

下面展示部分代码

配置代理池

导入需要的Python库

构造请求头

定义方法，获取豆瓣评论数据

定义方法，下载爬取的数据，保存为文本文件

以上就是部分核心代码，爬取的效果还是不错的，简单快捷，还可以继续增加部分信息（如评论人网名和星级）实现更好的爬取效果

另一篇文章中已经将程序打包好为执行文件，可以看看点击跳转