python3 豆瓣电影名称

最新推荐文章于 2024-03-15 07:49:35 发布

wowocpp

最新推荐文章于 2024-03-15 07:49:35 发布

阅读量386

点赞数

CC 4.0 BY-SA版权

分类专栏： python

本文链接：https://blog.youkuaiyun.com/wowocpp/article/details/99976475

python 专栏收录该内容

313 篇文章

订阅专栏

本文介绍了一种使用Python和BeautifulSoup库抓取豆瓣电影Top250榜单信息的方法，包括电影名称、导演、演员、上映年份等详细信息，展示了如何解析网页结构并提取所需数据。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

python3.7
python3 爬虫豆瓣电影名称

#!/usr/bin/python
# coding: utf-8

import requests
from bs4 import BeautifulSoup     #从bs4这个库中导入BeautifulSoup

headers = {
    'user-agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/52.0.2743.82 Safari/537.36',
    'Host': 'movie.douban.com'
}

link = 'https://movie.douban.com/top250'

r = requests.get(link, headers=headers, timeout=20)
print(str(1), "页响应状态码:", r.status_code)
# print(r.text)

print (type(r.status_code))
if r.status_code is not 200:
    exit(0)

soup = BeautifulSoup(r.text, "lxml")
div_list = soup.find_all('div', class_='hd')

print ('##################\n')
print (div_list[0])

each = div_list[0]

print ('+++++++++++++++\n')
movie = each.a.span

print (movie)
movie_text = movie.text.strip()
print (movie_text)
print ('##################\n')

print (div_list[1])

each = div_list[1]

print ('+++++++++++++++\n')
movie = each.a.span

print (movie)

movie_text = movie.text.strip()
print (movie_text)

log：

C:\ProgramData\Anaconda3\python.exe E:/python/work/ana_test/test.py
1 页响应状态码: 200
<class 'int'>
##################

<div class="hd">
<a class="" href="https://movie.douban.com/subject/1292052/">
<span class="title">肖申克的救赎</span>
<span class="title"> / The Shawshank Redemption</span>
<span class="other"> / 月黑高飞(港)  /  刺激1995(台)</span>
</a>
<span class="playable">[可播放]</span>
</div>
+++++++++++++++

<span class="title">肖申克的救赎</span>
肖申克的救赎
##################

<div class="hd">
<a class="" href="https://movie.douban.com/subject/1291546/">
<span class="title">霸王别姬</span>
<span class="other"> / 再见，我的妾  /  Farewell My Concubine</span>
</a>
<span class="playable">[可播放]</span>
</div>
+++++++++++++++

<span class="title">霸王别姬</span>
霸王别姬

Process finished with exit code 0

将 print(r.text)打印出来的内容：
用 notepad ++，保存到一个 123.html文件夹中。
需要设置notepad++ 的中文编码格式为 utf8 .
用 notepad ++ 打开的时候，显示的是能看懂的中文，而不是乱码才行。

保存之后，双击 123.html 会在IE浏览器中显示如下效果。

在这里插入图片描述

提取电影英文名，港台名，导演，主演，上映年份，电影分类和评分

在这里插入图片描述

代码如下：

#!/usr/bin/python
# coding: utf-8

import requests
from bs4 import BeautifulSoup     #从bs4这个库中导入BeautifulSoup

headers = {
    'user-agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/52.0.2743.82 Safari/537.36',
    'Host': 'movie.douban.com'
}

link = 'https://movie.douban.com/top250'

r = requests.get(link, headers=headers, timeout=20)
print(str(1), "页响应状态码:", r.status_code)
# print(r.text)

print (type(r.status_code))
if r.status_code is not 200:
    exit(0)

soup = BeautifulSoup(r.text, "lxml")


div_info_list = soup.find_all('div',class_ = 'info')


print (div_info_list[0])

each = div_info_list[0]
title = each.find('div', class_='hd').a.span.text.strip()

print (title)

info = each.find('div', class_='bd').p.text.strip()
print ('-------------- 1 ---------------- \n')
print(info)

info = info.replace("\n", " ").replace("\xa0", " ")
print ('-------------- 2 ---------------- \n')
print(info)
info = ' '.join(info.split())
print ('-------------- 3 ---------------- \n')
print(info)
rating = each.find('span', class_='rating_num').text.strip()
num_rating = each.find('div', class_='star').contents[7].text.strip()
try:
    quote = each.find('span', class_='inq').text.strip()
except:
    quote = ""

print ('-------------- 4 ---------------- \n')

print ('title =', title)
print ('info = ', info)
print ('rating = ', rating)
print ('num_rating = ', num_rating)
print ('quote = ', quote)

运行结果:

C:\ProgramData\Anaconda3\python.exe E:/python/work/ana_test/test.py
1 页响应状态码: 200
<class 'int'>
<div class="info">
<div class="hd">
<a class="" href="https://movie.douban.com/subject/1292052/">
<span class="title">肖申克的救赎</span>
<span class="title"> / The Shawshank Redemption</span>
<span class="other"> / 月黑高飞(港)  /  刺激1995(台)</span>
</a>
<span class="playable">[可播放]</span>
</div>
<div class="bd">
<p class="">
                            导演: 弗兰克·德拉邦特 Frank Darabont   主演: 蒂姆·罗宾斯 Tim Robbins /...<br/>
                            1994 / 美国 / 犯罪 剧情
                        </p>
<div class="star">
<span class="rating5-t"></span>
<span class="rating_num" property="v:average">9.7</span>
<span content="10.0" property="v:best"></span>
<span>1559199人评价</span>
</div>
<p class="quote">
<span class="inq">希望让人自由。</span>
</p>
</div>
</div>
肖申克的救赎
-------------- 1 ---------------- 

导演: 弗兰克·德拉邦特 Frank Darabont   主演: 蒂姆·罗宾斯 Tim Robbins /...
                            1994 / 美国 / 犯罪 剧情
-------------- 2 ---------------- 

导演: 弗兰克·德拉邦特 Frank Darabont   主演: 蒂姆·罗宾斯 Tim Robbins /...                             1994 / 美国 / 犯罪 剧情
-------------- 3 ---------------- 

导演: 弗兰克·德拉邦特 Frank Darabont 主演: 蒂姆·罗宾斯 Tim Robbins /... 1994 / 美国 / 犯罪 剧情
-------------- 4 ---------------- 

title = 肖申克的救赎
info =  导演: 弗兰克·德拉邦特 Frank Darabont 主演: 蒂姆·罗宾斯 Tim Robbins /... 1994 / 美国 / 犯罪 剧情
rating =  9.7
num_rating =  1559199人评价
quote =  希望让人自由。

Process finished with exit code 0