python怎么爬取热门电影？爬虫实战！ -我爱编程

当前位置：: 首页; 文章; 后端
详情

python怎么爬取热门电影？爬虫实战！

后端
猿友
0

很多小伙伴学习爬虫的一个原因就是想要爬取一些热门的电影下来，然后在自己有空的时候慢慢看，今天小编就带来了一个关于爬取某站热门电影的python爬虫实战项目（内附python爬虫源代码），接下来就让我们来看看python怎么爬取热门电影吧！

本篇文章URL已作了特别处理，所以代码不能直接使用。爬虫学习的是思路而不是代码的复制，希望小伙伴们能自行根据思路写出自己的爬虫代码！

另外：恶意爬取别人的网站数据是违法行为，在学习的过程中请注意爬取力度。

爬取别人网站的视频内容是对该网站的侵权，在爬取该视频内容之前请事先确定目标网站是否允许你进行视频的爬取，可以查看网站的robot文件。非法大量爬取某网站的视频内容可能会遭受对方的起诉，所以请不要随意爬取别人的视频内容。

一、首先我们要找到目标

找到目标先分析一下网页，很幸运这个只有一个网页，不需要翻页。

页面分析

二、F12查看网页源代码

找到目标，分析如何获取需要的数据。找到href与电影名称

页面源代码分析

三、进行代码实现，获取想要资源。

'''
爬取电影与地址路径

操作步骤
1，获取到url内容

2,css选择其选择内容

3，保存自己需要数据

'''
#导入爬虫需要的包
import requests
from bs4 import BeautifulSoup
#requests与BeautifulSoup用来解析网页的
import time
#设置访问网页时间，防止自己IP访问多了被限制拒绝访问
import re
class Position():

    def __init__(self,position_name,position_require,):#构建对象属性
        self.position_name=position_name
        self.position_require=position_require

    def __str__(self):
        return '%s%s/n'%(self.position_name,self.position_require)#重载方法将输入变量改成字符串形式

class Aiqiyi():
    def iqiyi(self,url):
        head= {
            'User-Agent': "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.67 Safari/537.36 Edg/87.0.664.47"
        }  #模拟的服务器头
        html = requests.get(url,headers=head)
        #headers=hard 让脚本以浏览器的方式去访问，有一些网址禁止以python的反爬机制，这就是其中一个
        soup = BeautifulSoup(html.content, 'lxml', from_encoding='utf-8')  # BeautifulSoup打看网页
        soupl = soup.select(".qy-list-wrap")  # 查找标签，用css选择器，选择自己需要数据 进行选择页面第一次内容（标签要找到唯一的，找id好，如果没有考虑其他标签如class）
        results = []  # 创建一个列表用来存储数据
        for e in soupl:
            biao = e.select('.qy-mod-li')  # 进行二次筛选
            for h in biao:
                p=Position(h.select_one('.qy-mod-link-wrap').get_text(strip=True),
                       h.select_one('.title-wrap').get_text(strip=True))#调用类转换（继续三次筛选选择自己需要内容）
                results.append(p)
        return results  # 返回内容

    def address(self,url):
        #保存网址
        head = {
            'User-Agent': "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.67 Safari/537.36 Edg/87.0.664.47"
        }  # 模拟的服务器头
        html = requests.get(url, headers=head)
        soup = BeautifulSoup(html.content, 'lxml', from_encoding='utf-8')  # BeautifulSoup打看网页
        alist = soup.find('div', class_='qy-list-wrap').find_all("a")  # 查找div块模块下的  a标签
        ls=[]
        for i in alist:
            ls.append(i.get('href'))

        return ls



if __name__ == '__main__':
    time.sleep(2)
    #设置2秒访问一次
    a=Aiqiyi()
    url = "https://list.*****.com/www/1/-------------11-1-1-iqiyi--.html"
    with open(file='e:/练习.txt ', mode='a+') as f:  # e:/练习.txt 为我电脑新建的文件，a+为给内容进行添加，但不进行覆盖原内容。
         for item in a.iqiyi(url):
             line = f'{item.position_name}	{item.position_require}
'
             f.write(line)  # 采用方法
             print("下载完成")
    with open(file='e:/地址.txt ', mode='a+') as f:  # e:/练习.txt 为我电脑新建的文件，a+为给内容进行添加，但不进行覆盖原内容。
        for item in a.address(url):
            line=f'https{item}
'
            f.write(line)  # 采用方法
            print("下载完成")