????????????????????????
????????????Hello，大家好我叫是Dream呀，一个有趣的Python博主，小白一枚，多多关照????????????
????入门须知：这片乐园从不缺乏天才，努力才是你的最终入场券！???????????? ????最后，愿我们都能在看不到的地方闪闪发光，一起加油进步???????????? ????????????“一万次悲伤，依然会有Dream，我一直在最温暖的地方等你”，唱的就是我！哈哈哈~????????????
????????????✨✨✨
前言：
接下来带着大家用Python爬虫实现豆瓣电影的爬取，从零开始，跟上节奏，看不懂你来找我~
Python爬虫实战❤️爬取豆瓣电影任意页数：
- 一、urllib_ajax的get方法 单页抓取
- 1.页面分析
- 2.抓取步骤
- (1) url和headers选取
- (2)请求对象的定制
- (3)获取响应的数据
- (4)数据下载到本地
- 3.具体代码
- 4.结果展示
- 二、urllib_ajax的get方法 爬取任意页数爬取
- 1.页面分析
- 2.抓取步骤
- (1)请求对象的定制
- (2)url拼接
- (3)设置入口
- (4) create_request(page)函数
- (5) get_content(request)函数
- (6) down_load(page,content)函数
- 3.具体代码
- 4.结果展示
- 三、最后充电⚡⚡⚡
- 往期文章推荐：
一、urllib_ajax的get方法 单页抓取
1.页面分析
要爬取豆瓣电影，我们第一步当然是先百度：豆瓣电影，进入官网，昂昂Duang~
我们打开相应的豆瓣电影页面：豆瓣电影动作片排行榜
然后单击鼠标右键，在界面下方找到检查，单击进去：
然后在其中找到network，点击并顺势进行网页刷新获取新的数据：
进行分析其中的数据：首先排除js和png、jpg文件，在此基础上，我们发现了这个文件：
点开发现，确实是我们所需要的数据：
进而我们在headers中找到它的url：
2.抓取步骤
(1) url和headers选取
import urllib.request
url = 'https://movie.douban.com/j/chart/top_list?type=5&interval_id=100%3A90&action=&start=0&limit=20'
headers={
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.61 Safari/537.36'
}(2)请求对象的定制
request = urllib.request.Request(url=url,headers=headers)(3)获取响应的数据
response = urllib.request.urlopen(request)
content = response.read().decode('utf-8')(4)数据下载到本地
open方法默认情况下使用的是gbk的编码，如果我们想要保存汉字，那么使用
open方法中制定编码格式为utf-8 ，encoding=utf-8
fp = open('douban.json','w',encoding='utf-8')
fp.write(content)完全等价：
with open('douban1.json','w',encoding='utf-8') as fp:
fp.write(content)3.具体代码
# -*-coding:utf-8 -*-
# @Author:到点了,心疼徐哥哥
# 奥利给干！！！
# get请求，获取第一页数据，并保存起来
import urllib.request
url = 'https://movie.douban.com/j/chart/top_list?type=5&interval_id=100%3A90&action=&start=0&limit=20'
headers={
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.61 Safari/537.36'
}
# (1)请求对象的定制
request = urllib.request.Request(url=url,headers=headers)
# (2)获取响应的数据
response = urllib.request.urlopen(request)
content = response.read().decode('utf-8')
print(content)
# (3)数据下载到本地
# open方法默认情况下使用的是gbk的编码，如果我们想要保存汉字，那么使用
# open方法中制定编码格式为utf-8
# encoding=utf-8
fp = open('douban.json','w',encoding='utf-8')
fp.write(content)
# 完全等价
with open('douban1.json','w',encoding='utf-8') as fp:
fp.write(content)4.结果展示
保存为json数据，你会发现此时你的数据是一行的，显得十分难看，只需要按住 ctrl + alt +l 就可以将数据变为规范的一行行数据。不过此键会和电脑QQ锁定键重合，所以说一般进行此操作先把QQ退掉，或者有能力的同学可以更改键位选择，将其换位其他键位的组合。
二、urllib_ajax的get方法 爬取任意页数爬取
1.页面分析
在此页面中，用鼠标逐渐向下滑动，你会发现会新增加一些近乎一样的页面数据，其实每次页面显示二十部电影，当你继续往下滑动时，又会出现二十部电影，我们分别将其对应的url取下来单独进行分析：
第一页：
https://movie.douban.com/j/chart/top_list?type=5&interval_id=100%3A90&action=&start=0&limit=20第二页：
https://movie.douban.com/j/chart/top_list?type=5&interval_id=100%3A90&action=&start=20&limit=20第三页：
https://movie.douban.com/j/chart/top_list?type=5&interval_id=100%3A90&action=&start=40&limit=20可以发现：每次的start都不同
设page为n，则：start=（n-1）*20
2.抓取步骤
(1)请求对象的定制
resquest = urllib.request.Request(url=url,headers=headers)(2)url拼接
应用urllib.parse进行拼接：
url = 'https://movie.douban.com/j/chart/top_list?type=5&interval_id=100%3A90&action=unwatched&'
data={
'start':(page - 1)*20,
'limit':20
}
data = urllib.parse.urlencode(data)
url = url + data(3)设置入口
if __name__=='__main__':
start_page = int(input('请输入起始的页码'))
end_page = int(input('请输入结束的页面'))
for page in range(start_page,end_page+1):- 获取请求
- 响应请求
- 保存数据
request = create_request(page)
# 获取响应的数据
content = get_content(request)
down_load(page,content)(4) create_request(page)函数
def create_request(page):
url = 'https://movie.douban.com/j/chart/top_list?type=5&interval_id=100%3A90&action=unwatched&'
data={
'start':(page - 1)*20,
'limit':20
}
data = urllib.parse.urlencode(data)
url = url + data
headers={
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.61 Safari/537.36'
}
resquest = urllib.request.Request(url=url,headers=headers)
return resquest(5) get_content(request)函数
def get_content(request):
response = urllib.request.urlopen(request)
content = response.read().decode('utf-8')
return content(6) down_load(page,content)函数
def down_load(page,content):
# with open('douban_'+str(page)+'.json','w',encoding='utf-8') as fp:
# fp.write(content)
fp = open('douban_'+str(page)+'.json','w',encoding='utf-8')
fp.write(content)3.具体代码
# -*-coding:utf-8 -*-
# @Author:到点了,心疼徐哥哥
# 奥利给干！！！
import urllib.request
import urllib.parse
def create_request(page):
url = 'https://movie.douban.com/j/chart/top_list?type=5&interval_id=100%3A90&action=unwatched&'
data={
'start':(page - 1)*20,
'limit':20
}
data = urllib.parse.urlencode(data)
url = url + data
headers={
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.61 Safari/537.36'
}
resquest = urllib.request.Request(url=url,headers=headers)
return resquest
def get_content(request):
response = urllib.request.urlopen(request)
content = response.read().decode('utf-8')
return content
def down_load(page,content):
# with open('douban_'+str(page)+'.json','w',encoding='utf-8') as fp:
# fp.write(content)
fp = open('douban_'+str(page)+'.json','w',encoding='utf-8')
fp.write(content)
if __name__=='__main__':
start_page = int(input('请输入起始的页码'))
end_page = int(input('请输入结束的页面'))
for page in range(start_page,end_page+1):
request = create_request(page)
# 获取响应的数据
content = get_content(request)
down_load(page,content)4.结果展示
将其转化为更规范的形式：ctrl+alt+l
三、最后充电⚡⚡⚡
当经过一系列操作之后，你已经爬取到了豆瓣电影的数据，当你满心欢喜的回去重新进一次豆瓣电影官网时，却突然发现进不去了，需要你先登录！
豆瓣：你礼貌吗，休想白嫖！
哈哈哈，你已经被豆瓣拉入黑名单了哟~人家的防范意识还是很高的！
毕竟一朝被爬取，次次防爬虫！
好哒，那我们拜了个拜，下期再见！
???????????? 好啦，这就是今天要分享给大家的全部内容了
❤️❤️❤️如果你喜欢的话，就不要吝惜你的一键三连了~
