Python爬取豆瓣各类电影排行榜

2021/4/16 20:25:57

本文主要是介绍Python爬取豆瓣各类电影排行榜,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

文章目录

  • Python爬取豆瓣各类电影排行榜
    • 首先分析豆瓣网页url

Python爬取豆瓣各类电影排行榜

爬虫就是模仿浏览器对网页信息进行收集,而过多的请求页面会造成网页服务气压力过大,所以网页也会执行一系列反爬机制,比如爬取时间间隔限制等,豆瓣相对来说没有国多的反爬机制,只要伪装好请求头,即可爬取信息。
本文将豆瓣排行榜中各种类型电影的排名情况爬取并存入excel中,爬取的内容主要包括电影名称、发行时间、演员、网址链接、排名和评分等内容,可以自己设定爬取的数量。

首先分析豆瓣网页url

在这里插入图片描述
首先找到请求方式:GET
在这里插入图片描述
另外可以看到响应信息格式在这里插入图片描述
可见式JSON格式

再找到请求信息
在这里插入图片描述
start:是开始请求的内容
limit:是每次请求的数量

爬虫主要使用了request、json、pandas这三个库
经过分析发现不同种类类型的url仅仅是type发生改变,对应关系如下
在这里插入图片描述
通过字符串修改type即可实现爬取不同页面
在这里插入图片描述
下面是程序的主要代码:

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

import requests
import json
import pandas as pd

def douban(word1,Number):
    type_name={"剧情":"11","喜剧":"24","动作":"5","爱情":"13","科幻":"17","动画":"25","悬疑":"10", \
    "惊悚":"19","恐怖":"20","纪录片":"1","短片":"23","情色":"6","同性":"26",\
    "音乐":"14","歌舞":"7","家庭":"28","儿童":"8","传记":"2","历史":"4","战争":"22","犯罪":"3","西部":"27",\
    "奇幻":"16","冒险":"15","灾难":"12","武侠":"29","古装":"30","运动":"18","黑色电影":"31"}
    url = "https://movie.douban.com/j/chart/top_list"
    Params = {
        'type': f"{type_name[word1]}",
        'interval_id': "100:90",
        'action': None,
        'start': "0",
        'limit': f"{Number}",
    }
    
    headers = {
        "User-Agent" : "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.82 Safari/537.36"
    }

    response = requests.get(url=url , params=Params ,headers=headers)
    result = response.json()

    title=["片名",]
    release_date=["发布日期",]
    actors=["演员",]
    rating=["分数",]
    rank=["排名",]
    url=["链接",]
    for i in result:
        title.append(i["title"])
        release_date.append(i["release_date"])
        actors.append(i["actors"])
        rating.append(i["rating"][0])
        rank.append(i["rank"])
        url.append(i["url"])
    output_excel={"片名":[],"发布日期":[],"演员":[],"分数":[],"排名":[]}
    output_excel["片名"]=title
    output_excel["发布日期"]=release_date
    output_excel["演员"]=actors
    output_excel["分数"]=rating
    output_excel["排名"]=rank
    output_excel["链接"]=url
    output = pd.DataFrame(output_excel)
    '''
    with open(f"./{word1}.json","w",encoding="utf-8") as f:
        json.dump(result,fp=f,ensure_ascii=False)
    '''
    return output

word_list=["剧情","喜剧","动作","爱情","科幻","动画","悬疑","惊悚","恐怖",\
            "纪录片","短片","情色","同性","音乐","歌舞","家庭","儿童","传记","历史","战争","犯罪","西部",\
             "奇幻","冒险","灾难","武侠","古装","运动","黑色电影"]
             
#存入excel
m=1
writer = pd.ExcelWriter("豆瓣电影.xlsx")
Number=input("请输入要爬取的数量:")
for i in word_list:
    exec('output'+f'{m}'+' = douban(i,Number)')
    #exec('print('+'output'+f'{m}'+')')
    exec('output'+f'{m}'+'.to_excel(writer,i)')
    m+=1
writer.save()

程序中用到exec来进行批量存储,exec的具体用法可以参考我的另一篇文章利用ecec批量生成变量

爬取结果展示:
在这里插入图片描述



这篇关于Python爬取豆瓣各类电影排行榜的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!


扫一扫关注最新编程教程