Python爬虫与数据挖掘
回复“书籍”即可获赠Python从入门到进阶共10本电子书
/1 前言/
受疫情的影响，很多电影院现在都倒闭关门。最近好像听说电影院要开工了，快来看一看最近有什么刚上映的电影 ！
/2 项目目标/
获取猫眼电影的即将上映的电影详情。
/3 项目准备/
软件：PyCharm
需要的库：requests、lxml、random、time
插件：Xpath
网站如下：
https://maoyan.com/films?showType=2&offset={}点击下一页的按钮，观察到网站的变化分别如下：
https://maoyan.com/films?showType=2&offset=30https://maoyan.com/films?showType=2&offset=60https://maoyan.com/films?showType=2&offset=90
点击下一页时，页面每增加一页offset=()每次增加30，所以可以用{}代替变换的变量，再用for循环遍历这网址，实现多个网址请求。
/4 项目实现/
1、定义一个class类继承object，定义init方法继承self，主函数main继承self。导入需要的库和网址，代码如下所示。
import requestsfrom lxml import etreeimport timeimport randomclass MaoyanSpider(object):def __init__(self):self.url = "https://maoyan.com/films?showType=2&offset={}"def main(self):passif __name__ == '__main__':spider = MaoyanSpider()spider.main()
2、随机产生UserAgent。
for i in range(1, 50):# ua.random,一定要写在这里,每次请求都会随机选择。self.headers = {'User-Agent': ua.random,}
3、发送请求，获取页面响应。
def get_page(self, url):# random.choice一定要写在这里,每次请求都会随机选择res = requests.get(url, headers=self.headers)res.encoding = 'utf-8'html = res.textself.parse_page(html)
4、xpath解析一级页面数据，获取页面信息。
1）基准xpath节点对象列表。
# 创建解析对象parse_html = etree.HTML(html)# 基准xpath节点对象列表dd_list = parse_html.xpath('//dl[@class="movie-list"]//dd')
2）依次遍历每个节点对象，提取数据。
for dd in dd_list:name = dd.xpath('.//div[@class="movie-hover-title"]//span[@class="name noscore"]/text()')[0].strip()star = dd.xpath('.//div[@class="movie-hover-info"]//div[@class="movie-hover-title"][3]/text()')[1].strip()type = dd.xpath('.//div[@class="movie-hover-info"]//div[@class="movie-hover-title"][2]/text()')[1].strip()dowld=dd.xpath('.//div[@class="movie-item-hover"]/a/@href')[0].strip()# print(movie_dict)movie = '''【即将上映】
5、定义movie，保存打印数据。
movie = '''【即将上映】电影名字: %s主演：%s类型：%s详情链接：https://maoyan.com%s=========================================================''' % (name, star, type,dowld)print( movie)
6、random.randint()方法，设置时间延时。
time.sleep(random.randint(1, 3))7、调用方法，实现功能。
html = self.get_page(url)self.parse_page(html)
/5 效果展示/
1、点击绿色小三角运行输入起始页，终止页。
2、运行程序后，结果显示在控制台，如下图所示。
3、点击蓝色下载链接, 网络查看详情。
/6 小结/
1、不建议抓取太多数据，容易对服务器造成负载，浅尝辄止即可。
2、本文基于Python网络爬虫，利用爬虫库，实现爬取猫眼电影。
3、欢迎大家积极尝试，有时候看到别人实现起来很简单，但是到自己动手实现的时候，总会有各种各样的问题，切勿眼高手低，勤动手，才可以理解的更加深刻。
4、如果需要本文源码的话，请在公众号后台回复“猫眼电影”四个字进行获取，觉得不错，记得给个star噢。
------------------- End -------------------
往期精彩文章推荐：
欢迎大家点赞，留言，转发，转载，感谢大家的相伴与支持
想加入Python学习群请在后台回复【入群】
万水千山总是情，点个【在看】行不行
/今日留言主题/
随便说一两个你喜欢看的电影名字~~
