Python Crawler 02: rastreo de páginas estáticas (nombre de la página de inicio de la película Douban top250)

# 导入requests和bs4两个库
import requests, bs4

# 准备基础数据，url和请求头
url = 'https://movie.douban.com/top250'
header = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.81 Safari/537.36'
}

# 封装请求方法
def getmoive(url):
    r = requests.get(url, headers=header, timeout=10)
    moive_lists = []
    soup = bs4.BeautifulSoup(r.text,'lxml')
    div_lists = soup.select('#content > div > div.article > ol > li > div > div.info > div.hd > a > span:nth-child(1)')
    for i in div_lists:
        moive = i.text.strip()
        moive_lists.append(moive)
    return moive_lists

# 执行和打印结果
moives = getmoive(url)
print(moives)

Para el uso de bs4, puede consultar este artículo en Jianshu:

Rastreador de Python: el tutorial de BeautifulSoup más detallado de la historia

https://www.jianshu.com/p/424e037c5dd8