2椎组、python爬蟲(chóng)——爬蟲(chóng)豆瓣電影

本篇內(nèi)容需要大家對(duì)scrapy框架有了解,并完成了入門(mén)學(xué)習(xí)才能繼續(xù)使用寸癌。

創(chuàng)建項(xiàng)目

scrape startproject tutorial

定義Item如下:

import scrapy

class TutorialItem(scrapy.Item):

# define the fields for your item here like:

# name = scrapy.Field()

title = scrapy.Field()

movieInfo = scrapy.Field()

star = scrapy.Field()

quote = scrapy.Field()

制作爬蟲(chóng)(Spider)

代碼內(nèi)容如下:

import scrapy

class Douban(scrapy.Spider):

name = "douban"

start_urls = ['http://movie.douban.com/top250']

def parse(self,response):

print response.body

運(yùn)行一下看看

scrapy crawl douban

INFO: Closing spider (finished)表明爬蟲(chóng)已經(jīng)成功運(yùn)行并且自行關(guān)閉了。

創(chuàng)建主函數(shù)

創(chuàng)建文件main.py文件蒸苇,內(nèi)容如下:

from scrapy import cmdline

cmdline.execute("scrapy crawl douban".split())

DEBUG1:HTTP status code is not handled or not allowed

DEBUG: Ignoring response <403 http://movie.douban.com/top250>: HTTP status code is not handled or not allowed

Answer:被屏蔽了,在settings.py里加上USER_AGENT:

USER_AGENT = 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_8_3) AppleWebKit/536.5 (KHTML, like Gecko) Chrome/19.0.1084.54 Safari/536.5'

取數(shù)據(jù)

OK味咳,獲取網(wǎng)頁(yè)后,接下去就是取數(shù)據(jù)了槽驶。

導(dǎo)入包:

import scrapy

from tutorial.items import TutorialItem

from scrapy.selector import Selector

from scrapy.http import Request

class Douban(scrapy.Spider):

name = "douban250"

start_urls = ['http://movie.douban.com/top250']

url = 'http://movie.douban.com/top250'

def parse(self,response):

item = TutorialItem()

selector = Selector(response)

#print selector

Movies = selector.xpath('//div[@class="info"]')

#print Movies

for eachMoive in Movies:

title = eachMoive.xpath('div[@class="hd"]/a/span/text()').extract()

fullTitle = ''

for each in title:

fullTitle += each

movieInfo = eachMoive.xpath('div[@class="bd"]/p/text()').extract()

star = eachMoive.xpath('div[@class="bd"]/div[@class="star"]/span[@class="rating_num"]/text()').extract()[0]

quote = eachMoive.xpath('div[@class="bd"]/p[@class="quote"]/span/text()').extract()

if quote:

quote = quote[0]

else:

quote = ''

#print fullTitle

#print movieInfo

#print star

#print quote

item['title'] = fullTitle

item['movieInfo'] = ';'.join(movieInfo)

item['star'] = star

item['quote'] = quote

yield item

nextLink = selector.xpath('//span[@class="next"]/link/@href').extract()

if nextLink:

nextLink = nextLink[0]

print nextLink

yield Request(self.url + nextLink, callback=self.parse)

存儲(chǔ)數(shù)據(jù)一

-o 后面是導(dǎo)出文件名掂铐,-t 后面是導(dǎo)出類(lèi)型。

scrapy crawl douban -o items.csv -t csv

然后用numbers程序打開(kāi)即可看到250個(gè)電影排序了堡纬。

存儲(chǔ)數(shù)據(jù)二

可以直接在settings.py文件中設(shè)置輸出的位置和文件類(lèi)型蒿秦,如下:

FEED_URI = u'file:///E:/douban/douban.csv'

FEED_FORMAT = 'CSV'

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市炮叶,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌镜悉,老刑警劉巖医瘫,帶你破解...
    沈念sama閱讀 211,817評(píng)論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異稼锅,居然都是意外死亡,警方通過(guò)查閱死者的電腦和手機(jī)矩距,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,329評(píng)論 3 385
  • 文/潘曉璐 我一進(jìn)店門(mén)怖竭,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái),“玉大人哮肚,你說(shuō)我怎么就攤上這事≡侍耍” “怎么了?”我有些...
    開(kāi)封第一講書(shū)人閱讀 157,354評(píng)論 0 348
  • 文/不壞的土叔 我叫張陵,是天一觀(guān)的道長(zhǎng)蹋凝。 經(jīng)常有香客問(wèn)我,道長(zhǎng)鳍寂,這世上最難降的妖魔是什么? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 56,498評(píng)論 1 284
  • 正文 為了忘掉前任捍壤,我火速辦了婚禮鞍爱,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘睹逃。我一直安慰自己,他們只是感情好沉填,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,600評(píng)論 6 386
  • 文/花漫 我一把揭開(kāi)白布。 她就那樣靜靜地躺著斑鼻,像睡著了一般。 火紅的嫁衣襯著肌膚如雪坚弱。 梳的紋絲不亂的頭發(fā)上,一...
    開(kāi)封第一講書(shū)人閱讀 49,829評(píng)論 1 290
  • 那天史汗,我揣著相機(jī)與錄音,去河邊找鬼停撞。 笑死,一個(gè)胖子當(dāng)著我的面吹牛戈毒,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播埋市,決...
    沈念sama閱讀 38,979評(píng)論 3 408
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼道宅!你這毒婦竟也來(lái)了?” 一聲冷哼從身側(cè)響起污茵,我...
    開(kāi)封第一講書(shū)人閱讀 37,722評(píng)論 0 266
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤泞当,失蹤者是張志新(化名)和其女友劉穎,沒(méi)想到半個(gè)月后襟士,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 44,189評(píng)論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡陋桂,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,519評(píng)論 2 327
  • 正文 我和宋清朗相戀三年嗜历,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了汗贫。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片秸脱。...
    茶點(diǎn)故事閱讀 38,654評(píng)論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖摊唇,靈堂內(nèi)的尸體忽然破棺而出咐蝇,到底是詐尸還是另有隱情巷查,我是刑警寧澤,帶...
    沈念sama閱讀 34,329評(píng)論 4 330
  • 正文 年R本政府宣布旭寿,位于F島的核電站,受9級(jí)特大地震影響盅称,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜缩膝,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,940評(píng)論 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望疾层。 院中可真熱鬧,春花似錦痛黎、人聲如沸。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 30,762評(píng)論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)坠七。三九已至旗笔,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間拄踪,已是汗流浹背。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 31,993評(píng)論 1 266
  • 我被黑心中介騙來(lái)泰國(guó)打工撮弧, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留借帘,地道東北人牡直。 一個(gè)月前我還...
    沈念sama閱讀 46,382評(píng)論 2 360
  • 正文 我出身青樓贸辈,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親擎淤。 傳聞我的和親對(duì)象是個(gè)殘疾皇子秸仙,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,543評(píng)論 2 349

推薦閱讀更多精彩內(nèi)容