标签：com img his 就是 表达式 排行榜 有关 项目 图片
最近看到一个 UP 主做的视频，使用可视化动态图，把目前播放量最多的 UP 主一一列出来，结果第一名是哔哩哔哩番剧，第一名的播放量是第二名近 10 倍。
B站的番剧数量，也是相对其他平台比较多的，而且质量都还不错。说实话，刚开始用哔哩哔哩的时候，就是为了看番剧。作为一个喜欢看番剧的 pk 哥，我决定用爬虫爬取一下日本动漫电影 TOP100 都有哪些？网上看了一下，时光网正好有这个排行榜，而且信息相对来说比较全。
所以我决定用爬虫把这个榜单上 Top100 的所有电影信息全部保存为 csv 文件放在本地，看有没有之前我遗漏的经典动漫电影。
以下是保存的效果。保存的列包括电影名称、导演编剧、发行公司、更多片名、评分、首日票房、总票房。有些电影没有评分和票房信息的就直接显示为空。
本次爬虫项目主要分为三个部分。第一部分我们要获取电影的 Id信息，因为我们需要保存的所有信息，都和这个有关。Id从哪里获取呢？我们打开这个榜单页面的源代码。源代码中我们可以看到，id都在链接后面。
为了缩小范围，我们发现这些链接都在 class=top_nlist 里面，我们用 beautifulsoup 库提取属性 class= top_nlist 所有的元素。然后用正则表达式，提取出每页的 id信息。
这里第 1 个页面需要特殊处理一下，因为第 2 个页面到第 10 个页面后面都是直接带的数字，第 1 个页面直接我在后面加 -1 的话会报 404，所以这个页面单独拿出来提取页面信息。然后再把 ID 信息全部加到空列表里面。
ID 信息获取了，接下来我们通过 ID 信息来获取电影的评分和票房信息。通过 F12 调试我们可以看到。评分和票房信息在 js 里面。
请求链接里变化的就是电影的 ID ，其他的保持不变就好。
我们对返回信息通过简单的处理转换为 Json 格式。之后我们就可以直接通过 key 值提取 value 值了。这里主要提取的信息有：评分、首日票房和总票房。
接下来我们需要通过 ID 信息获取对应电影的名称和导演编剧等详细信息。这些信息在源代码中，可以直接通过正则表达式来提取。
用正则表达式提取信息的前提是我们要找到信息的规律。这样通过正则表达式提取就又快又准。
提取了这些信息之后，我们把它保存在 list 列表中，这样做的目的是为了后面我们保存为 csv 文件做准备。
每页的信息获取了之后，我们就可以把这些信息追加保存到 csv 文件中。每保存一部电影信息，保存下一部电影信息就进行追加保存。为了避免保存后的 csv 文件打开出现乱码，我们需要将编码形式设置为 encoding=‘utf-8‘ 格式。
通过这三步，这个 Top100 排行榜中的所有动漫电影信息都全部保存在本地的 csv 文件中啊。那我们就可以更方便的浏览这些电影信息。这样我们就可以更好的追番了。本文所有的代码信息可在公众号「Python知识圈」后台回复「动漫电影」获取。
标签：com img his 就是 表达式 排行榜 有关 项目 图片
原文地址：https://www.cnblogs.com/pythoncircle/p/12961048.html
