python2.7+lxml爬取貓眼電影爛片top20

前言


眾所周知,BeautifulSoup 是個(gè)非常強(qiáng)大的庫(kù),不過(guò)還有一些比較流行的解析庫(kù),例如 lxml,使用的是 Xpath 語(yǔ)法,同樣是效率比較高的解析方法。如果大家對(duì) BeautifulSoup 使用不太習(xí)慣的話(huà),可以嘗試下 Xpath。(墻裂推薦哦)

lxml的安裝:

pip install lxml

lxml教程(僅供參考)


代碼

# -*- coding: UTF-8 -*-

import requests
from lxml import etree
#request和lxml,用于網(wǎng)絡(luò)請(qǐng)求和解析

import sys
reload(sys)
sys.setdefaultencoding('utf8')
#用于解決python2.7中文編碼問(wèn)題

ori_url = 'http://maoyan.com/films?sortId=1&offset={}'
#貓眼電影主頁(yè)url,offset從0開(kāi)始遞增,一頁(yè)30部電影

headers={
    'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8',
    'Cookie': 'your cookie',
    #填寫(xiě)你自己的瀏覽器cookie
    'Host': 'maoyan.com',
    'Referer': 'http://maoyan.com/',
    'Upgrade-Insecure-Requests': '1',
    'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/61.0.3163.100 Safari/537.36'
}

all_url=[]

for i in range(11):
    offset = str(i*30)
    req_url = ori_url.format(offset)
    all_url.append(req_url)
#一共11頁(yè),url動(dòng)態(tài)變化

movie_item=list()
i = 0
j = 0
for url in all_url:
    html = requests.get(url, headers=headers).text
    selector = etree.HTML(html)    
    infos = selector.xpath('//div[@class="movies-list"]/dl[@class="movie-list"]//div[@class="channel-detail movie-item-title"]/a')
    #xpath爬取電影name和電影url
    j = i
    for info in infos:
        movie_item.append(dict())
        movie_url = 'http://maoyan.com' + info.xpath('@href')[0]
        movie_name = info.xpath('text()')[0]
        movie_item[i]['name'] = movie_name
        movie_item[i]['url'] = movie_url
        i += 1

    score = selector.xpath('//div[@class="channel-detail channel-detail-orange"]')
    #xpath爬取電影評(píng)分(兩種情況:有評(píng)分/暫無(wú)評(píng)分)
    for item in score:
        if item.text == None:
            sc= item.getchildren()[0].text+item.getchildren()[1].text
        else:
            sc= item.text
        movie_item[j]['score'] = sc
        j+=1

movie_item = sorted(movie_item, key=lambda item:item['score'], reverse=False)
#按照評(píng)分排序
file=open('./p_data/movieinfos.txt','w')
#將結(jié)果寫(xiě)入本地文件
print len(movie_item)
for i in range(len(movie_item)):
    file.write(str(movie_item[i]['name'])+'    '+str(movie_item[i]['score'])+'    '+str(movie_item[i]['url'])+'\n')
file.close()

最終結(jié)果

image.png

Ps:銀翼殺手和異形契約在我看來(lái)是很好的兩部電影,導(dǎo)演水準(zhǔn)也很高(心情復(fù)雜

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
平臺(tái)聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點(diǎn),簡(jiǎn)書(shū)系信息發(fā)布平臺(tái),僅提供信息存儲(chǔ)服務(wù)。

推薦閱讀更多精彩內(nèi)容

  • 人生苦短,我用Python。 起初,這篇文章是打算來(lái)寫(xiě) XPath 的,可是后來(lái)一想,我需要的僅是 XPath 的...
    Moscow1147閱讀 20,862評(píng)論 1 14
  • 說(shuō)真的,不知道為啥!只要一問(wèn)那些做過(guò)爬蟲(chóng)的筒靴,不管是自己平時(shí)興趣愛(ài)好亦或是剛接觸入門(mén),都喜歡拿豆瓣網(wǎng)作為爬蟲(chóng)練手...
    阮小貳閱讀 2,685評(píng)論 0 2
  • Android 自定義View的各種姿勢(shì)1 Activity的顯示之ViewRootImpl詳解 Activity...
    passiontim閱讀 173,466評(píng)論 25 708
  • 很多人安裝環(huán)境通過(guò)這個(gè)網(wǎng)址基本上能正常安裝,http://reactnative.cn/docs/0.30/get...
    心淡然如水閱讀 1,158評(píng)論 0 0
  • 今天,先說(shuō)一下關(guān)于寫(xiě)作的事情,最近不是積極,有點(diǎn)懈怠,不想寫(xiě),天天晚上想睡覺(jué),那么每天晚上睡覺(jué)前寫(xiě)點(diǎn)東西,思考思考...
    王姑娘2閱讀 171評(píng)論 0 0