码迷,mamicode.com
首页 > 其他好文 > 详细

使用srapy框架实现豆瓣电影的抓取

时间:2017-04-27 14:22:49      阅读:627      评论:0      收藏:0      [点我收藏+]

标签:code   bsp   rtp   rank   note   art   png   res   name   

 

 

1.新建一个项目

scrapy startproject doubanspider

技术分享

2.编写电影信息item类

技术分享

3.编写spider类

技术分享
# -*- coding: utf-8 -*-

from scrapy import Request
from scrapy.spiders import Spider
from doubanspider.items import DoubanMovieItem

class DoubanMovieTop250Spider(Spider):
    name = ‘douban_movie‘
    headers = {
        ‘User-Agent‘: ‘Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.143 Safari/537.36‘,
    }
    
    def start_requests(self):
        url = ‘https://movie.douban.com/top250‘
        yield Request(url,headers=self.headers)
        
    def parse(self,response):
        item  = DoubanMovieItem()
        movies = response.xpath(‘//ol[@class="grid_view"]/li‘)
        for movie in movies:
            item[‘ranking‘]=movie.xpath(‘.//div[@class="pic"]/em/text()‘).extract()[0]
            item[‘movie_name‘]= movie.xpath(‘.//div[@class="hd"]/a/span[1]/text()‘).extract()[0]
            item[‘score‘] = movie.xpath(‘.//div[@class="star"]/span[@class="rating_num"]/text()‘).extract()[0]
            item[‘score_num‘] = movie.xpath(‘.//div[@class="star"]/span/text()‘).re(ur‘(\d+)人评价‘)[0]
            yield item
            
        next_url = response.xpath(‘//span[@class="next"]/a/@href‘).extract()
        if next_url:
            next_url=‘https://movie.douban.com/top250‘+next_url[0]
            yield Request(next_url,headers=self.headers)
View Code

4.运行结果

技术分享

一会就结束了

在csv中查看(需要先在Notepad++里打开csv文件,以utf-8编码保存,不然会出现中文乱码)

技术分享

 

使用srapy框架实现豆瓣电影的抓取

标签:code   bsp   rtp   rank   note   art   png   res   name   

原文地址:http://www.cnblogs.com/fjl-vxee/p/6773990.html

踩
(0)
赞
(0)
   
举报
评论 一句话评论(0)
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!