Python爬取豆瓣视频信息代码实例

Python  /  管理员 发布于 7年前   129

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.requestimport quotefrom pyqueryimport 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 += 1return 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 inperson_name: name.append(i.text())# 演员图片地址 person_photo =doc('#celebrities') j = 0for 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

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。