python
主页 > 脚本 > python >

Python爬取豆瓣视频信息教程

2019-11-16 | 秩名 | 点击:
这里是爬取豆瓣视频信息,用pyquery库(jquery的python库)。

1:代码


from urllib.request
import quotefrom pyquery
import 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 += 1
return 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 = 0
for 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




3.独立日


原文链接:https://www.cnblogs.com/ITXiaoAng/p/11871321.html
相关文章
最新更新