豆瓣電影排行榜爬蟲_第1頁
豆瓣電影排行榜爬蟲_第2頁
豆瓣電影排行榜爬蟲_第3頁
豆瓣電影排行榜爬蟲_第4頁
豆瓣電影排行榜爬蟲_第5頁
已閱讀5頁，還剩7頁未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

豆瓣電影排行榜爬蟲預(yù)期結(jié)果爬取豆瓣電影的熱門榜，獲取熱門榜信息并生成excel文件實(shí)現(xiàn)數(shù)據(jù)可視化成果演示1.py-VisualStudioCode2022-06-2214-21-12.mp4設(shè)計(jì)思路以及代碼展示豆瓣網(wǎng)未登陸的情況下無法采集數(shù)據(jù)，requests.get會(huì)返回418，418的意思是被網(wǎng)站的反爬程序識別返回的結(jié)果，所以采集之前要先登錄網(wǎng)站，并且復(fù)制網(wǎng)站的User-Agent和Cookie信息，并且把User-Agent和Cookie轉(zhuǎn)化為字典格式，網(wǎng)頁鼠標(biāo)右鍵——檢查——Network——Doc——F5刷新網(wǎng)址（這步很重要）——選擇Name下面的‘top250?start=0&filter=’——Headers——Cookie，User-Agent（位于cookie下面）User-Agent和Cookie在網(wǎng)站的位置如下：

可以看到，頁面上每個(gè)電影的名稱都是一個(gè)鏈接，鏈接會(huì)跳到電影的詳情頁。由于每一個(gè)頁面上能看到的電影信息有限，所以需要進(jìn)入電影的詳情頁，才可以采集電影的詳細(xì)信息。首先采集頁面上25部電影的鏈接采集每部電影的詳細(xì)信息在每一部電影的詳情頁面，我們采集的信息包括：電影名稱、豆瓣評分、評分人數(shù)、導(dǎo)演、編劇、主演、類型、制片國家/地區(qū)、語言、上映日期、片長、又名、IMDb鏈接。代碼如下總代碼展示（基礎(chǔ)版）代碼優(yōu)化通過觀察可以看出，豆瓣電影top250榜單總共有10個(gè)頁面，每個(gè)頁面有25部電影，總共250部電影。并且，這10個(gè)頁面的網(wǎng)址有一定的規(guī)律性，那就是網(wǎng)址中的

start

位置，第1個(gè)頁面start=0，第2個(gè)頁面start=25，第10個(gè)頁面start=225，可以推測出這10個(gè)頁面的網(wǎng)址中的start呈現(xiàn)出[0,25,50,75,100,125,150,175,200,225]的序列分布規(guī)律。于是可以通過python循環(huán)自動(dòng)生成10個(gè)網(wǎng)址，并且

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論