python爬取豆瓣電影排行榜(requests)的示例代碼

pip install requests #(主要用來發(fā)送請求，獲取響應(yīng))

pip install lxml #(主要引用里面的etree里面的xpath方法)

pip install xlwt

import requests
from lxml import etree
import xlwt
import time

# encoding=utf8
# 編程者 ：Alvin
'''
 爬取豆瓣電影排行榜
 設(shè)計思路：
 1、先獲取電影類型的名字以及特有的編號
 2、將編號向ajax發(fā)送get請求獲取想要的數(shù)據(jù)
 3、將數(shù)據(jù)存放進excel表格中
'''
import requests
from lxml import etree
import xlwt
import time

class DouBan():
 # 初始化數(shù)據(jù)，獲取最外層的數(shù)據(jù)
 def __init__(self, name_list):
 self.headers = {
 "User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.150 Safari/537.3",
 "Connection": "close",
 "Referer": "https://movie.douban.com/"
 }
 # 獲取最外層的數(shù)據(jù)，并拿到url中的type中的name 和 類型
 self.url = 'https://movie.douban.com/chart'
 self.dydata_list = []
 # 電影的類型名
 self.name_list = name_list
 # 實例化excel表格對象
 self.wb = xlwt.Workbook()


 # 通過電影的類型名字獲取對應(yīng)的類型號
 def get_data_typenum(self, name):
 for data in self.dydata_list:
 if data['name'] == name:
 typenum =data['dytype']
 else:
 continue
 return typenum

 # 獲取數(shù)據(jù)
 def get_data_p1(self):
 response = requests.get(self.url , headers = self.headers)
 # 判斷長度是否足夠大
 # print(len(response.content.decode()))
 return response.content.decode()

 # 獲取下一層的頁面數(shù)據(jù)
 def get_data_p2(self, typenum, num, limit):
 url = 'https://movie.douban.com/j/chart/top_list'
 params = {
 'type': typenum,
 'interval_id': '100:90',
 'action':'',
 'start': num*20,
 'limit': limit
 }
 response = requests.get(url,params=params,headers=self.headers)
 # print(response.json())
 return response.json()

 # 處理數(shù)據(jù)
 def data_parse_p1(self, data):
 html = etree.HTML(data)
 data_list = html.xpath('//div[@class="types"]/span/a/@href')
 # 用于收集類型名字
 name_list = []
 dytype_list = []
 # 用于收集類型號
 for data in data_list:
 name = data.split('?')[-1].split('')[0].split('=')[-1]
 dytype = data.split('?')[-1].split('')[1].split('=')[-1]
 name_list.append(name)
 dytype_list.append(dytype)
 for (name,dytype) in zip(name_list,dytype_list):
 dydict = {}
 dydict['name'] = name
 dydict['dytype'] = dytype
 self.dydata_list.append(dydict)
 # print(self.dydata_list)
 return self.dydata_list

 def data_parse_p2(self, data_list,name):
 print(len(data_list))
 douban = self.wb.add_sheet(name)
 style = xlwt.XFStyle() # 初始化一個style對象，用來保存excel的樣式
 font = xlwt.Font() # 創(chuàng)建一個font對象，用來保存對字體進行的操作
 font.name = '微軟雅黑' # 字體設(shè)置為'微軟雅黑'
 font.bold = True # 字體加粗
 al = xlwt.Alignment() # 創(chuàng)建一個對齊對啊想，用來改變文本內(nèi)容的字體
 style.font = font # 將字體信息保存到style對象中
 style.alignment = al

 # 水平對齊方式、水平居中
 al.horz = 0x02
 # 垂直對齊方式、垂直居中
 al.vert = 0x01

 # 電影的標題
 douban.col(0).width = 256 * 25
 # 電影演員的名字
 douban.col(1).width = 256 * 50
 # 電影上映的年份
 douban.col(2).width = 256 * 15
 # 電影上映的國家
 douban.col(3).width = 256 * 15
 # 電影的標簽
 douban.col(4).width = 256 * 20
 # 電影的評分
 douban.col(5).width = 256 * 8
 # 豆瓣中該電影的頁面鏈接
 douban.col(6).width = 256 * 40

 douban.write(0, 0, '電影標題', style)
 douban.write(0, 1, '電影演員名字', style)
 douban.write(0, 2, '電影上映年份', style)
 douban.write(0, 3, '電影上映國家', style)
 douban.write(0, 4, '電影標簽', style)
 douban.write(0, 5, '電影評分', style)
 douban.write(0, 6, '豆瓣中該電影的頁面鏈接', style)
 row = 1
 for data in data_list:
 # 電影的標題
 title = data['title']
 # 電影演員的名字
 actors = data['actors']
 # 電影上映的年份
 release_date = data['release_date']
 # 電影上映的國家
 regions = data['regions'][0]
 # 電影的標簽
 types = data['types']
 # 電影評分
 score = data['score']
 # 豆瓣查看的鏈接
 link = data['url']
 douban.write(row, 0, title)
 douban.write(row, 1, actors)
 douban.write(row, 2, release_date)
 douban.write(row, 3, regions)
 douban.write(row, 4, types)
 douban.write(row, 5, score)
 douban.write(row, 6, link)
 row += 1
 self.wb.save('douban.xls')


 # 運行程序
 def run(self, num, limit):
 # 獲取第一層中的所需要的類型名字和數(shù)字
 self.data_parse_p1(self.get_data_p1())
 for name in self.name_list:
 typenum = self.get_data_typenum(name)
 # 向指定的分類進行數(shù)據(jù)的訪問
 data_list = self.get_data_p2(typenum,num,limit)
 # 對獲取的數(shù)據(jù)進行解析保存
 self.data_parse_p2(data_list,name)


if __name__ == '__main__':
 # 需要查看的類型
 douban = DouBan(['喜劇','懸疑','驚悚'])
 # 需要查看的開始值start，以及需要查看的數(shù)量limit
 douban.run(0,100)
 time.sleep(2)