Python爬取豆瓣视频信息代码实例
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.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
必须是已经上映的电影才有观看地址
3.独立日
