使用了request、re(正则)、csv模块

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
#爬取豆瓣Top250的电影名称，评分，导演与演员
import requests
import re
import csv


url = "https://movie.douban.com/top250" #豆瓣链接
headers = {     # headers，伪装浏览器访问
    "User-Agent":": Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.45 Safari/537.36"
}
obj = re.compile(r'<li>.*?<span class="title">(?P<name>.*?)</span>.*?'  # 正则预编译查找模式
                 r'<p class="">(?P<actors>.*?)</p>.*?'
                 r'<span class="rating_num" property="v:average">(?P<score>.*?)</span>.*?', re.S)


with open("peaTop250.csv", mode="w", encoding="utf-8") as f:    # 以utf-8编码打开csv文件
    num = 0
    while(num<250):     # 爬取每一个页面的信息
        URL = url + "?start={}&filter=".format(num)     #更改页面地址
        print(URL)
        content = requests.get(url=URL, headers=headers).text   #得到页面源代码
        res = obj.finditer(content)     #按照预编译好的规则查找响应的值，并储存到一个迭代器中，存储类型为字典
        for i in res:
            f.write("作者:" + i.group("name") + "\n") #写到csv中
            f.write(i.group("actors").replace(" ",'').replace('\n','').replace("&nbsp",' ') + "\n") #把字符串中的空格回车消除和&nbsp转化为空格
            f.write("评分:" + i.group("score") + "\n")
        num+=25

f.close()   #关闭文件
print("over")