首页 > 编程 > Python > 正文

Python爬取豆瓣视频信息代码实例

2019-11-25 11:25:06
字体:
来源:转载
供稿:网友

这篇文章主要介绍了Python爬取豆瓣视频信息代码实例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下

这里是爬取豆瓣视频信息,用pyquery库(jquery的python库)。

一:代码

from urllib.requestimport quotefrom pyqueryimport PyQuery as pqimport requestsimport pandas as pddef get_text_page	(movie_name): '''  函数功能:获得指定电影名的源代码  参数:电影名  返回值:电影名结果的源代码  '''url =	'https://www.douban.com/search?q=' +	movie_name headers = {		'Host': 'www.douban.com',		'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.90 Safari/537.36',	}r = requests.get(url, headers = headers,	timeout = 5) return r.textdef get_last_url(	this_text): '''  函数功能:根据指定的源代码得到最终的网页地址  参数:搜索结果源代码  返回值:最终的网页地址  '''doc = pq(this_text) lis = doc(		'.title a').items() k = 0 this_str =	''for i in lis: #print('豆瓣搜索结果为:{0}'.format(	i.text()))# print('地址为:{0}'.format(i.attr	.href))# print('/n') if k == 0:	this_str = i.attr.href k += 1return this_strdef the_last_page(	this_url): '''  函数功能:获得最终电影网页的源代码  参数:最终的地址  返回值:最终电影网页的源代码  '''headers = {	'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.90 Safari/537.36',}r = requests.get(this_url, headers =	headers, timeout = 20) return r.textdef the_last_text(	this_text, movie_name): '''  函数功能:获得每一项的数据  参数:爬取页面的源代码  返回值:返回空  '''doc = pq(this_text)# 获取标题 title = doc(		'#content h1').text()# 获取海报 photo =	doc('.nbgnbg img') photo_url = photo.attr	.src r = requests.get(photo_url) with open(		'{m}.jpg'.format(m = movie_name),		'wb') as f: f.write(r.content)# 电影信息 message =	doc('#info').text()# 豆瓣评分 grade = doc(		'#interest_sectl').text()# 剧情 things =	doc('.related-info').text() with open(		'{0}.txt'.format(movie_name), 'w+') as f:	try: f.writelines([title, '/n', '/n/n',		message, '/n/n', grade, '/n/n',		things	]) except: f.writelines([title, '/n',		'/n/n', message, '/n/n', grade	])# 演员# 演员名 name = [] person_name =	doc('.info').items() for i in	person_name: name.append(i.text())# 演员图片地址 person_photo =	doc('#celebrities') j = 0for i in person_photo.find('.avatar').items():	m = i.attr('style') person_download_url =	m[m.find('(') + 1: m.find(')')]# 下载演员地址 r =	requests.get(person_download_url) try:	with open('{name}.jpg'.format(name =		name[j]), 'wb') as f: f.write(r.content) except:	continue j += 1 def lookUrl(this_text,		my_str): '''  函数功能:获得观看链接  参数:爬取页面的源代码  返回值:返回空  '''doc = pq(this_text) all_url = doc(	'.bs li a').items() movie_f = [] movie_url = []for i in all_url: movie_f.append(i.text()) movie_url	.append(i.attr.href) dataframe = pd.DataFrame({		'观看平台': movie_f,		'观看地址': movie_url	}) dataframe.to_csv(		"{movie_name}的观看地址.csv".format(			movie_name = my_str), index = False,		encoding = 'utf_8_sig', sep = ',') def main():	name = input('') my_str = name movie_name =	quote(my_str) page_text =	get_text_page(movie_name)# 得指定电影名的源代码 last_url =	get_last_url(page_text)# 根据指定的源代码得到最终的网页地址 page_text2 =	the_last_page(last_url)# 获得最终电影网页的源代码 the_last_text(		page_text2, my_str)# 获得每一项的数据 lookUrl(		page_text2, my_str)# 得到并处理观看链接main()

二:结果如下(部分例子)

1.输入天气之子

2.输入百变小樱魔法卡

必须是已经上映的电影才有观看地址

3.独立日

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持武林网。

发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表