我是站在前人的肩膀上完成的溉愁，參考網(wǎng)址如下：
1. 大體框架：豆瓣電影top250爬蟲系列
2. 爬蟲全覽：如何學(xué)習(xí)Python爬蟲[入門篇]攻锰？
把上面的文章通讀Ｅ佳蟆Ｊ炖簟！讀完后就對爬蟲有大概的認(rèn)識玄窝。
成果：
-----------------------------------------------------分割線---------------------------------------------
知識點(diǎn)：
1.?爬蟲模擬瀏覽器-header設(shè)置：爬蟲筆記（二）——瀏覽器的模擬（Headers屬性） ?
2. 大體框架：豆瓣電影top250爬蟲系列是豆瓣5.0版本的爬取牵寺，而現(xiàn)在豆瓣的版本是6.0，5.0的爬蟲不能模擬登陸了恩脂。不過這次的爬蟲任務(wù)不要用到模擬登陸帽氓，所以把代碼里的cookies刪掉就行。
3. Python re.findall中正則表達(dá)式(.*?)和參數(shù)re.S使用 ?re.findall中參數(shù)re.S的意義：參數(shù)有re.S俩块，不會對\n進(jìn)行中斷黎休。
4. python strip()函數(shù)? python strip()函數(shù)：s.strip(rm)? s為字符串，rm為要?jiǎng)h除的字符序列玉凯。當(dāng)rm為空時(shí)势腮，默認(rèn)刪除空白符（包括'\n', '\r',? '\t',? ' ')
5. 代碼錯(cuò)誤：SQLException: Incorrect string value: '\xF0\x9F\x92\x94' for column 'name' at row 1 ? ? ? ? ?? 出現(xiàn)原因：comment表中username和短評出現(xiàn)emoji(4個(gè)字符) ? ? ? ? ? 解決辦法：1）把會出現(xiàn)emoji的列的字符集改為utf8mb4，排序規(guī)則：utf8mb4_unicode_ci; 2）連接數(shù)據(jù)庫時(shí)漫仆，設(shè)定寫入模式是utf8mb4 ? ? ?? 參考：表情存儲異常--mybatis拋出異常（java.sql.SQLException: Incorrect string value: '\xF0\x9F\x92\x94' for column 'name' at row 1）
-----------------------------------------------------分割線---------------------------------------------
注意事項(xiàng)：
網(wǎng)上流傳的爬蟲代碼如果爬不出東西捎拯，多數(shù)是因?yàn)檎齽t表達(dá)式不對，所以熟悉正則表達(dá)式非常重要盲厌！
-----------------------------------------------------分割線---------------------------------------------
問題：
1. 執(zhí)行代碼后署照，movie表只能得到247條記錄，死活都得不到250條記錄吗浩，誰能告訴我為什么建芙？因?yàn)槎拱甑南拗茊幔?/p>
2. 匹配演員信息的正則表達(dá)式不知道怎么寫比較簡潔？我想定點(diǎn)搜索：先找到頭部拓萌，然后根據(jù)正則表達(dá)式搜索重復(fù)的地方岁钓。我只想得到標(biāo)黃部分的url和名字。
源代碼：
和豆瓣電影top250爬蟲系列相比，大體框架一致屡限，有些正則表達(dá)式不一樣品嚣，還有判斷語句也修改了。
