码迷,mamicode.com
首页 > 编程语言 > 详细

python爬虫--爬取豆瓣top250电影名

时间:2017-09-30 13:22:19      阅读:197      评论:0      收藏:0      [点我收藏+]

标签:blog   2-2   nbsp   es2017   movies   str   请求   关于   响应   

关于模拟浏览器登录的header,可以在相应网站按F12调取出编辑器,点击netwook,如下:

技术分享

以便于不会被网站反爬虫拒绝。

 

 1 import requests
 2 from bs4 import BeautifulSoup
 5 def get_movies():
 6     headers = {
 7         user-agent: Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/52.0.2743.82 Safari/537.36,
 8         Host: movie.douban.com
 9     }
10     movie_list = []                                                       #定义序列
11     for i in range(0, 10):
12         link = https://movie.douban.com/top250?start= + str(i * 25)     #通过循环,下载第二页,第三页
13         r = requests.get(link, headers=headers, timeout=10)               #timeout=10,响应时长
14         print(str(i + 1), "页响应状态码:", r.status_code)                   #显示状态码,返回200,请求成功
15 
16         soup = BeautifulSoup(r.text, "lxml")
17         div_list = soup.find_all(div, class_=hd)                     #如下图显示,电影名字在div标签之后
18         for each in div_list:
19             movie = each.a.span.text.strip()                              #span后的文本
20             movie_list.append(movie)                                      #append(movie),在movie_list中添加movie序列
21 return movie_list
24 movies = get_movies()
25 print(movies)

技术分享

 

python爬虫--爬取豆瓣top250电影名

标签:blog   2-2   nbsp   es2017   movies   str   请求   关于   响应   

原文地址:http://www.cnblogs.com/leon507/p/7614345.html

(0)
(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!