豆瓣電影排行榜爬蟲_第1頁
豆瓣電影排行榜爬蟲_第2頁
豆瓣電影排行榜爬蟲_第3頁
豆瓣電影排行榜爬蟲_第4頁
豆瓣電影排行榜爬蟲_第5頁
已閱讀5頁，還剩7頁未讀， 繼續免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

豆瓣電影排行榜爬蟲預期結果爬取豆瓣電影的熱門榜，獲取熱門榜信息并生成excel文件實現數據可視化成果演示1.py-VisualStudioCode2022-06-2214-21-12.mp4設計思路以及代碼展示豆瓣網未登陸的情況下無法采集數據，requests.get會返回418，418的意思是被網站的反爬程序識別返回的結果，所以采集之前要先登錄網站，并且復制網站的User-Agent和Cookie信息，并且把User-Agent和Cookie轉化為字典格式，網頁鼠標右鍵——檢查——Network——Doc——F5刷新網址（這步很重要）——選擇Name下面的‘top250?start=0&filter=’——Headers——Cookie，User-Agent（位于cookie下面）User-Agent和Cookie在網站的位置如下：

可以看到，頁面上每個電影的名稱都是一個鏈接，鏈接會跳到電影的詳情頁。由于每一個頁面上能看到的電影信息有限，所以需要進入電影的詳情頁，才可以采集電影的詳細信息。首先采集頁面上25部電影的鏈接采集每部電影的詳細信息在每一部電影的詳情頁面，我們采集的信息包括：電影名稱、豆瓣評分、評分人數、導演、編劇、主演、類型、制片國家/地區、語言、上映日期、片長、又名、IMDb鏈接。代碼如下總代碼展示（基礎版）代碼優化通過觀察可以看出，豆瓣電影top250榜單總共有10個頁面，每個頁面有25部電影，總共250部電影。并且，這10個頁面的網址有一定的規律性，那就是網址中的

start

位置，第1個頁面start=0，第2個頁面start=25，第10個頁面start=225，可以推測出這10個頁面的網址中的start呈現出[0,25,50,75,100,125,150,175,200,225]的序列分布規律。于是可以通過python循環自動生成10個網址，并且

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論