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.request import quotefrom pyquery import 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 += 1 return 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 h2').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 in person_name: name.append(i.text())# 演员图片地址 person_photo = doc('#celebrities') j = 0 for 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亿速云。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。