Python新手爬虫一：爬取影片名称评分等

豆瓣网站：https://movie.douban.com/chart

先上最后的代码：

from bs4 import BeautifulSoup
from lxml import html
import xml
import requests
from fake_useragent import UserAgent   #ua库
import xlwt    #表格模块

n = []   #存放电影名称
p = []   #存放电影评分

def get_url():
   url = "https://movie.douban.com/chart"
   ua = UserAgent()
   headers={'user-agent':ua.random}
   f = requests.get(url,headers=headers)     #Get该网页从而获取该html内容
   soup = BeautifulSoup(f.text,'lxml')       #用lxml解析器解析该网页的内容, 好像f.content也是返回的html

   for k in soup.find_all('div',class_='pl2'):     #找到div并且class为pl2的标签
      b = k.find('a')       #在每个对应div标签下找a标签
      n.append(b.get_text())    #取标签 a 下的文字，并添加到 n 列表中

   for i in soup.find_all('div',class_='star clearfix'):
      c = i.find_all('span')  #在每个对应div标签下找span标签，会发现，一个a里面有四组span
      t = c[1].string,c[2].string   #取相对应span中的字符串,评分和评价人数
      p.append(t) #添加到 p 列表中

get_url()   #获取数据

style = xlwt.XFStyle()     #初始化样式模板
font = xlwt.Font()         #初始化字体模板
pattern = xlwt.Pattern()   #初始化背景颜色模板
alignment = xlwt.Alignment() #初始化单元格格式模板

font.name = 'Times New Roman' #指定字体
font.bold = True        #加黑
font.height = 20*14     #字体

pattern.pattern = xlwt.Pattern.SOLID_PATTERN # 设置背景颜色的模式
pattern.pattern_fore_colour = 2  # 背景颜色

alignment.horz = 0x02   # 0x01(左端对齐)、0x02(水平方向上居中对齐)、0x03(右端对齐)
alignment.vert = 0x01   # 0x00(上端对齐)、 0x01(垂直方向上居中对齐)、0x02(底端对齐)
#alignment.wrap = 1      # 设置自动换行

style.font = font             #应用到style中
style.pattern = pattern       #
style.alignment = alignment   #应用到style中

workbook = xlwt.Workbook()
worksheel = workbook.add_sheet('豆瓣电影排行榜')   #创建一个新表格
worksheel.write(0,0,'电影名',style)    #填写行、列、值
worksheel.write(0,1,'评分',style)

for x in range(1,11):
   for y in range(0,2):
      if y == 0:
         worksheel.write(x,y,label=n[x-1])
      elif y == 1:
         worksheel.write(x,y,label=p[x-1])

workbook.save(r"C:\Users\fan\Desktop\豆瓣影评.xls")    #创建excel表

效果图：

思路：

1、进入网页—>F12—>右击影名—>检查—>查看相对应的html代码

发现影名是存在<div class="pl2">标签下的<a>标签中，使用requests+BeautifulSoup库获取

评分和评价人数存储在<div class="star clearfix">下的<span>标签中。

所涉及到的库，全部是前文《爬虫常用库》中有介绍。