标签:comment index pyquery mongodb self 爬取 doc movie order
直接上代码
1 from pyquery import PyQuery as pq 2 from requests import request 3 import re 4 import pymongo 5 6 7 class SpiderDouBan2: 8 9 10 def __init__(self): 11 client = pymongo.MongoClient(host='localhost', port=27017) 12 db = client['spider_db'] 13 self.collection = db['douban_movie_top250_2'] 14 15 16 17 def get_doc(self, url): 18 ''' 19 获取某一页的doc 20 :param url: 地址 21 :return: 22 ''' 23 doc = pq(url) 24 return doc 25 26 27 def get_one_page(self, doc, order): 28 ''' 29 获取某一页的内容 30 :return: 31 ''' 32 movie_names = [name.text() for name in doc('.title').items() if not re.search('\/', name.text())] 33 movie_actors = [re.sub('\xa0|" "', '', actor.text()).split('\n') for actor in doc('.info .bd')('p:first-child').items()] 34 movie_rates = [rate.text() for rate in doc('.rating_num').items()] 35 comment_nums = [comment_num.text() for comment_num in doc('.star')('span:last-child').items()] 36 short_comments = [short_comment.text()[:-1] for short_comment in doc('.inq').items()] 37 for index, name in enumerate(movie_names): 38 print(f'正在爬取第{order + index + 1}条数据...') 39 movie_info = { 40 'order': f'No.{order + index + 1}', 41 'movie_name': name, 42 'movie_actor': movie_actors[index][0].rstrip('\/'), 43 'movie_type': movie_actors[index][1], 44 'movie_rate': f'{movie_rates[index]}分', 45 'comment_num': comment_nums[index], 46 'short_comment': short_comments[index] 47 } 48 self.collection.insert_one(movie_info) 49 50 51 52 def main(self, url, order): 53 ''' 54 主程序 55 :return: 56 ''' 57 doc = self.get_doc(url) 58 self.get_one_page(doc, order) 59 60 61 if __name__ == '__main__': 62 for offset in range(0, 250, 25): 63 order = offset 64 url = f'https://movie.douban.com/top250?start={str(offset)}' 65 SpiderDouBan2().main(url, order)
运行结果
标签:comment,index,pyquery,mongodb,self,爬取,doc,movie,order 来源: https://www.cnblogs.com/cnhkzyy/p/11073763.html
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。