python豆瓣250爬取
2024-10-20 01:15:49
import requests
from bs4 import BeautifulSoup
from lxml import etree
# qianxiao996精心制作
#博客地址:https://blog.csdn.net/qq_36374896
url = "https://movie.douban.com/top250"
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64; rv:34.0) Gecko/20100101 Firefox/34.0"
}
def Getbyxml(url):
data = requests.get(url,headers = headers).text
name = []
star_con = []
score =[]
info = []
comment_list = []
response = etree.HTML(data)
result = response.xpath('/html/body/div[3]/div[1]/div/div[1]/ol/li')
for item in result:
name_item = item.xpath("./div/div[2]/div[1]/a/span[1]/text()")[0].strip()
info_name = item.xpath("./div/div[2]/div[2]/p[1]/text()")[0].strip()
score_item = item.xpath("./div/div[2]/div[2]/div/span[2]/text()")[0].strip()
star_item = item.xpath("./div/div[2]/div[2]/div/span[4]/text()")[0].strip()
try:
comment = item.xpath("./div/div[2]/div[2]/p[2]/span/text()")[0].strip()
comment_list.append(comment)
except:
comment_list.append('无')
score.append(score_item)
name.append(name_item)
star_con.append(star_item)
info.append(info_name)
return name,info,score,star_con,comment_list
t=Getbyxml(url)
print(t)
最新文章
- phpcurl 请求Chunked-Encoded data 遇到的一个问题
- 在Hyper-V中安装和配置Ubuntu网络
- Nginx的第一个模块-HelloWorld
- rabbitMQ学习(一)
- day14---html基础
- Light OJ 1068
- spring log4j.properties 没有日志的问题
- BZOJ 1588:营业额统计(Splay)
- Js面向对象和数据类型内存分配(转)
- 【35】考虑virtual方法以外的其他选择
- LabVIEW设计模式系列——各种各样的状态机
- SVM及其对偶
- 《sql---教学反馈系统-阶段项目1》
- 浅析JavaScript的字符串查找函数:indexOf和search
- 开发高性能JAVA应用程序基础(内存篇)
- *hdu 5536(字典树的运用)
- Python 文件读取
- CSS3笔记2
- selenium中,8种 find element 方法
- apicloud 按返回键
热门文章
- Kubernetes-三大开放接口-初见
- kubeasz 部署高可用 kubernetes 集群
- NET命令入侵实例
- BI系统要自研还是采购?这篇文章告诉你
- Tableau“出走中国”,“卖”给阿里,中国BI用户该何去何从?
- 【C# .Net GC】自动内存管理
- 【C# Task】开篇
- 小白文-SpringMVC-解读DispatcherServlet源码
- MySQL:一些操作
- vue 中contenteditable=";true";添加可编辑属性后v-model双向绑定失效的解决办法