Pythoon3.x对豆瓣TOP250电影爬虫

一直想要学习爬虫,看了两天Python书籍,把基础数据类型和基础语法了解了一下.

在网上找了学习资料和BeautifulSoup4中文说明,链接在下方给出.

主要使用三个模块requests/BeautifulSoup4/pymysql

要抓取数据的网页为 https://movie.douban.com/top250

代码和解释都挺清晰了

#! encoding = utf-8
import requests
from bs4 import BeautifulSoup
import pymysql
import traceback

base_url = "https://movie.douban.com/top250"
conn = pymysql.connect("localhost", "root", "123456", "test", use_unicode=True, charset="utf8")
cursor = conn.cursor()

def save_to_database(movie_id, movie_title, movie_image, movie_des, movie_quote):
    sql = 'insert into douban(movie_id,movie_title,movie_image,movie_description,movie_quote) VALUES ("%s","%s","%s","%s","%s")' % \
          (movie_id, movie_title, movie_image, movie_des, movie_quote)

    try:
        cursor.execute(sql)
        conn.commit()
        print("success")
    except:
        conn.rollback()
        traceback.print_exc()

def get_list(url):
    global base_url
    req = requests.get(url).text
    soup = BeautifulSoup(req, "html.parser")
    movie_list = soup.find_all("ol", "grid_view")
    for item in movie_list:
        for detail in item.find_all('li'):
            movie_id = str(detail.find('em').text)
            image_url = str(detail.img.attrs['src'])
            title = str(detail.find('span', 'title').text)
            description = str(detail.find('div', 'bd').p.text)
            try:
                quote = str(detail.find('p', 'quote').text)
            except:
                quote = '暂无引用'
            # 测试打印的数据
            # print(movie_id, title, image_url, description, quote)
            # 进行数据库插入
            save_to_database(movie_id, title, image_url, description, quote)

    # 下一页地址
    next_page = soup.find('span', attrs={'class': 'next'}).find('a')
    if next_page:
        new_url = base_url + next_page['href']
        # 使用递归,重复调用此函数,直到没有新的数据页
        get_list(new_url)
        return base_url
    else:
        base_url = None
    return None


get_list(base_url)


结果如图:

豆瓣爬虫数据库.png

参考链接:
BeautifulSoup4中文文档
学习的文章

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,457评论 5 459
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,837评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,696评论 0 319
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,183评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,057评论 4 355
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,105评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,520评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,211评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,482评论 1 290
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,574评论 2 309
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,353评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,213评论 3 312
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,576评论 3 298
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,897评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,174评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,489评论 2 341
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,683评论 2 335

推荐阅读更多精彩内容