Pyhton网络爬虫实例_豆瓣电影排行榜_BeautifulSoup4方法爬取

-----------------------------------------------------------学无止境------------------------------------------------------

前言：大家好，欢迎来到誉雪飞舞的博客园，我的每篇文章都是自己用心编写，

算不上精心但是足够用心分享我的自学知识，希望大家能够指正我，互相学习成长。

 

转载请注明：https://www.cnblogs.com/wyl-pi/p/10510397.html

 

很多小伙伴可定都是喜欢看电影的，比如特效炫酷逼真的好莱坞大片，情节感人真挚的爱情电影，打斗激情四射的动作电影，，，，

所以我相信大家都有一个通问，我想看电影，但是呢到底什么电影好看啊！！有没有什么推荐之类的，比如排行榜之类的还不是很多的，

10个左右的（多了看不完还挺难受，但太多的话根本没时间看完啊，有木有....）

So，我们找一个大家都耳熟能详的豆瓣影评，其在业内还是较有权威的，嗯，，

For example：

大家应该看到了右下角的  "一周口碑榜 "  没错这个小排名我喜欢，就是说我们想要找的，管你网页其他地方做得再华丽，宣传的多么天花乱坠还是没有咱这个口碑榜实在啊！！！

 

So，我们的活来了，盘它，哦不，是爬它。

玩笑归玩笑，言归正传，可能有的同志会说为什么你要爬虫直接看不就好了？！我会微微一笑：“这么没技术含量的操作，请问有意思么？”（虽说我承认我这篇随笔的技术水平也不高，

可以毫不忌讳地说，很低，But！我相信自己的水平和技术含量会越爱越高的，毕竟我绝不甘心与此。再者说就是他这个更新一周一周的，自己每次上网也去查我是觉得挺麻烦的，不如

做个爬虫直接代码运行，麻烦一次方便以后，好吧如果你说我强词夺理那就是吧，随便喽。）

打开网页后，F12，点击这个按钮，然后定位到下图这个框找到它属于<table>标签下的<tbody>标签;这位后面我们的爬取打下了铺垫。（当然这是方法之一）

 

 

方法之二：

直接快捷键Ctrl+U或者右键 “ 查看网页源代码 ” ，然后Ctrl+F查找 “ 徒手攀岩 ” ；

这下我们就知道了我们所要爬取网页的基本框架是什么样的了，从而进行后续的操作。

 

代码如下：

import requests
from bs4 import BeautifulSoup
import bs4

def getHtmlText(url):
    try:
        r = requests.get(url,timeout = 30)
        print("raise_stsus = {}".format(r.raise_for_status()))
        print("获取状态完毕")
        r.encoding = r.apparent_encoding
        return r.text
    except:
        print("get information with error!")

def movieSoupList(movielist,demo):
    try:
        soup = BeautifulSoup(demo,"html.parser")
        tables = soup.find_all("table")
        #print("tables is {}\n\n".format(tables))
        tab = tables[1]
        #if isinstance(tab,bs4.element.Tag):
        #    print("yaoxi!!!!!!!!")
        #print("tab is {}\n\n".format(tab))    #tags = tab.find("tr")
        #print(type(tags))    #print("tags = {}\n".format(tags))
        tags = tab.contents    #print("tages {} ".format(tab.contents))

    #    *****  .contents  方法   *****

        #print(type(tab.contents)) #//<class'list'>    #i = 0
        for tr in tags:
            #i = i+1     #print("i = {}\n".format(i))
            #print("transfor finished")
            if isinstance(tr,bs4.element.Tag):
                tds = tr("td")

    #   *****   tr("td")这步也很关键    *****
                
                #print("tds {}".format(tds))#print("list is ok")
                movielist.append([tds[0].string,tds[1].string])
                #print("transfor finished")
                #print("movielist is {}".format(movielist))
    except:
        print("transfor error")

def printMovieList(movielist,num):
    model = "{0:^10}\t{1:^20}"
    print(model.format("排名","影片名",chr(12288)))
    try:
        for i in range(num):
            m = movielist[i]
            print(model.format(m[0],m[1],chr(12288)))
    except:
        print("printMovieList error\n")

def main():
    num = 10
    url = 'https://movie.douban.com/'
    movielist = []
    demo = getHtmlText(url)
    movieSoupList(movielist,demo)
    #print("movielist is \n{}\n\n".format(movielist))
    printMovieList(movielist,num)

main()

 

       我在代码里的注释也很清楚了，如果还不懂可以评论或私信我，里面有我当时调试的测试代码

删除了一部分，剩下的大部分都注释掉了。如果有的童鞋们想试试可以像我这样测试，然后一步

步接近自己想要的样子，直至完成项目。

 

运行结果就是这样：

 

 

总结：

       这个方法的可编辑性较高容易理解很简单，但相对应的短板就是代码冗长编写麻烦费时如果出错不好修改，

总之中规中矩，下一篇文章我将带您欣赏一下Python的Xpath方法的魅力所在。

 

如果觉得我的文章还不错，关注一下，顶一下 ，我将会用心去创作更好的文章，敬请期待。