爬取豆瓣Top250电影的评分、海报、影评等数据！
本项目是爬虫中最基础的，最简单的一例；
后面会有利用爬虫框架来完成更高级、自动化的爬虫程序。
此项目过程是运用requests请求库来获取html，再用正则表达式来解析从中获取所需数据。
话不多说，直接上代码，盘！ （具体代码解释在代码旁边）
1.加载包，requests请求库，re是正则表达式的包，json是后面来把字典序列化的包； #请求库：requests 解析工具：正则表达式 import requests import re import json import time 2.用requests库通过url获取响应，得到html文本。 def get_one_page(url): #头部的定义，自己在网页中可以获取（网页右击检查，network中的header） headers={ 'User-Agent':'ozilla/5.0 (iPhone; CPU iPhone OS 11_3 like Mac OS X) AppleWebKit/605.1.15 (KHTML, like Gecko) Mobile/15E5216a QQ/7.5.5.426 V1_IPH_SQ_7.5.5_1_APP_A Pixel/1080 Core/UIWebView Device/Apple(iPhone 8Plus) NetType/WIFI QBWebViewType/1' } response=requests.get(url,headers=headers) if response.status_code==200: #只有status_code为200时才表示响应正确 return response.text return None 3.用正则表达式从html中匹配出想要数据 def parse_one_page(html): #re.compile是把正则化字符串对象化，方便复用。 pattern=re.compile('<li>.*?<em\sclass.*?>(.*?)</em>.*?<img.*? src="http://www.likecs.com/(.*?)".*?title">(.*?)<.*?<p>(.*?)</p>.*?rating_num.*?>(.*?)<.*?<span>(.*?)</span>.*?.*?inq">(.*?)<.*?</li>',re.S) items=re.findall(pattern,html) #列表形成字典（通过findall获取的数据是一条条记录，形成一个列表） for item in items: yield{'index':item[0], #电影排名 'image':item[1], #电影海报 'title':item[2], #电影名称 'actor':item[3], #电影导演，主演 'score':item[4], #评分 'people_num':item[5], #多少人评价 'evaluate':item[6] #影评 } 4.把获得的数据存入到txt文件当中去 def write_to_file(content): #创建或打开result.txt以追加的读写方式写入数据 with open('result.txt','a',encoding='utf-8') as f: print(json.dumps(content,ensure_ascii=False)) #json.dumps()用于把字典序列化，方便写入txt文件 f.write(json.dumps(content,ensure_ascii=False)+'\n') 5.通过改变url中start的值来实现换页，进行下一页的切换。 def main(start): #更换url中的start值来切换页面，具体更换的数值要更具实际情况而变 url='https://movie.douban.com/top250?start='+str(start)+'&filter=' html=get_one_page(url) for item in parse_one_page(html): write_to_file(item) if __name__=='__main__': for i in range(10): start=i*25 main(start) time.sleep(1)#防止请求过快被网页检测出来，休眠1秒本文所有代码复制可以直接运行欧！