python 爬取电影天堂电影

主要介绍爬取电影天堂首页的电影列表，并将结果保存为csv文件.

1.首先导入需要的模块

import requests
from bs4 import BeautifulSoup
import csv

2.获取网页，并解析结果

def html_parser(url_start):
    #获取html
    try:
        headers={'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36'}    #模拟浏览器登入 
        r=requests.get(url_start,headers=headers,timeout=10)  #获取网页
    except:
        pass
        #print(r.status_code)
    else:
        html = r.content.decode('gb2312','ignore')  #解码gb2312，忽略其中有异常的编码，仅显示有效的编码

        #print(len(html))          

    #解析网页
    soup = BeautifulSoup(html,'lxml')                                
    for li in soup.select('.co_area2 li'):  #选择所有class=co_area2 下的所有的 li 节点
        for a in li.select('a'):            #选择 li 节点下的 a 节点 
            link=url_start+a['href']        #构造每个电影的网页链接     
            item={                          #将获取的结果存储为字典
                "name":a.string,
                "link":link
            }
            save_result(item)               #每次获取一个结果后，存储一次
            item.clear()                    #存储后清空字典，为下次存储做准备

因为电影天堂的网页的编码方式是"gb2312"，

<META http-equiv=Content-Type content="text/html; charset=gb2312">
<title>电影天堂_免费电影_迅雷电影下载</title>

需要在获取页面的时候，进行解码处理，如下

html = r.content.decode('gb2312','ignore')  #解码gb2312，忽略其中有异常的编码，仅显示有效的编码

3.存储结果

def save_result(item):                      #存储结果
    with open('dy.csv','a',newline='',encoding='utf-8') as csvfile:   #打开一个csv文件，用于存储
        fieldnames=['name','link']
        writer=csv.DictWriter(csvfile,fieldnames=fieldnames)
        writer.writerow(item)

4.主函数

def main():                                          #主程序
    with open('dy.csv','a',newline='') as csvfile:   #写入表头
        writer=csv.writer(csvfile)            
        writer.writerow(['name','link'])

    url_start="https://www.dy2018.com/"
    html_parser(url_start)

5.运行

if __name__ == '__main__':     #运行主程序
    main()

6.运行结果

python 爬取电影天堂电影

猜你喜欢