标签:Python excel 爬取 url 豆瓣 output append
文章目录
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
首先找到请求方式:GET
另外可以看到响应信息格式
可见式JSON格式
再找到请求信息
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
通过字符串修改type即可实现爬取不同页面
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:
标签:Python,excel,爬取,url,豆瓣,output,append 来源: https://blog.csdn.net/qq_41710383/article/details/115769883
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。