python爬取豆瓣视频信息代码

目录

• 一：代码
• 二：结果如下(部分例子)
  • 1.输入天气之子
  • 2.输入百变小樱魔法卡
  • 3.独立日

  这里是爬取豆瓣视频信息，用pyquery库(jquery的python库)。

一：代码

from urllib.request import quote
from pyquery import PyQuery as pq
import requests
import pandas as pd

def get_text_page(movie_name):
	'''
	函数功能：获得指定电影名的源代码
	参数：电影名
	返回值：电影名结果的源代码
	'''
	url = 'https://www.douban.com/search?q=' + movie_name
	headers = {
		'Host' : 'www.douban.com',
		'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.90 Safari/537.36',
	}
	r = requests.get(url,headers = headers,timeout=5)
	return r.text

def get_last_url(this_text):
	'''
	函数功能：根据指定的源代码得到最终的网页地址
	参数：搜索结果源代码
	返回值：最终的网页地址
	'''
	doc = pq(this_text)
	lis = doc('.title a').items()
	k = 0
	this_str = ''
	for i in lis:
		# print('豆瓣搜索结果为:{0}'.format(i.text()))
		# print('地址为:{0}'.format(i.attr.href))
		# print('\n')
		if k == 0:
			this_str = i.attr.href
		k += 1
	return this_str

def the_last_page(this_url):
	'''
	函数功能：获得最终电影网页的源代码
	参数：最终的地址
	返回值：最终电影网页的源代码
	'''
	headers = {
		'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.90 Safari/537.36',
	}
	r = requests.get(this_url,headers = headers,timeout=20)
	return r.text

def the_last_text(this_text,movie_name):
	'''
	函数功能：获得每一项的数据
	参数：爬取页面的源代码
	返回值：返回空
	'''
	doc = pq(this_text)
	# 获取标题
	title = doc('#content h1').text()
	# 获取海报
	photo = doc('.nbgnbg img')
	photo_url = photo.attr.src
	r = requests.get(photo_url)
	with open('{m}.jpg'.format(m = movie_name),'wb') as f:
		f.write(r.content)
	# 电影信息
	message = doc('#info').text()
	# 豆瓣评分
	grade = doc('#interest_sectl').text()
	# 剧情
	things = doc('.related-info').text()
	with open('{0}.txt'.format(movie_name),'w+') as f:
		try:
			f.writelines([title,'\n','\n\n',message,'\n\n',grade,'\n\n',things])
		except:
			f.writelines([title,'\n','\n\n',message,'\n\n',grade])
	# 演员
	# 演员名
	name = []
	person_name  = doc('.info').items()
	for i in person_name:
		name.append(i.text())
	# 演员图片地址
	person_photo = doc('#celebrities')
	j = 0
	for i in person_photo .find('.avatar').items():
		m = i.attr('style')
		person_download_url = m[m.find('(') + 1:m.find(')')]
		# 下载演员地址
		r = requests.get(person_download_url)
		try:
			with open('{name}.jpg'.format(name = name[j]),'wb') as f:
				f.write(r.content)
		except:
			continue
		j += 1

def lookUrl(this_text,my_str):
	'''
	函数功能：获得观看链接
	参数：爬取页面的源代码
	返回值：返回空
	'''
	doc = pq(this_text)
	all_url = doc('.bs li a').items()
	movie_f   = []
	movie_url = []
	for i in all_url:
		movie_f.append(i.text())
		movie_url.append(i.attr.href)
	dataframe = pd.DataFrame({'观看平台':movie_f,'观看地址':movie_url})
	dataframe.to_csv("{movie_name}的观看地址.csv".format(movie_name = my_str),index=False,encoding = 'utf_8_sig',sep=',')

def main():
	name = input('')
	my_str = name
	movie_name = quote(my_str)
	page_text = get_text_page(movie_name)	# 得指定电影名的源代码
	last_url = get_last_url(page_text)		# 根据指定的源代码得到最终的网页地址
	page_text2 = the_last_page(last_url)	# 获得最终电影网页的源代码
	the_last_text(page_text2,my_str)		# 获得每一项的数据
	lookUrl(page_text2,my_str)				# 得到并处理观看链接

main()

二：结果如下(部分例子)

1.输入天气之子

2.输入百变小樱魔法卡

必须是已经上映的电影才有观看地址

3.独立日