【爬虫】一次爬取某瓣top电影前250的学习记录-Toy模板网

这篇具有很好参考价值的文章主要介绍了【爬虫】一次爬取某瓣top电影前250的学习记录。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

先贴上爬取的脚本：

import requests

import re

for i in range(1,11):

num=(i-1)*25

url=f"https://movie.douban.com/top250?start={num}&filter="

head={"User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/119.0.0.0 Safari/537.36"}#伪造请求头

res=requests.get(url,headers=head)

#print(res.text)

format=re.compile(r'<div class="item">.*?<span class="title">(?P<name>.*?)</span>',re.S)

data=format.finditer(res.text)

for i in data:

dic=i.groupdict()

print(dic)

首先导入requests库，主要是对网站发起请求

然后就是re库，主要是在python中能够使用正则表达式匹配

url=f"https://movie.douban.com/top250?start={num}&filter="

这边url中加上f是为了能识别num变量，主要是为了能识别多个网页

head={"User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/119.0.0.0 Safari/537.36"}

修改请求头，因为某瓣有反爬机制，不修改的，该请求头默认为python的标识，修改的请求头可在f12的netword数据中获取

该请求头随意修改就行，合理就行文章来源地址https://www.toymoban.com/news/detail-741840.html

format=re.compile(r'<div class="item">.*?<span class="title">(?P<name>.*?)</span>',re.S)

这里是re的compile函数，可以写正则表达式为后续使用，re.S是为了匹配到换行符，因为.*?中的.是没办法匹配到换行符的，?P<name>,是将匹配到的数据存到name分组中

data=format.finditer(res.text)

进行正则匹配，finditer将匹配的数据存入迭代器，方便后面for循环

for i in data:

dic=i.groupdict()

print(dic)

这里的groupdict是将分组数据提取出来，是以字典的形式

测试结果如下：

到了这里，关于【爬虫】一次爬取某瓣top电影前250的学习记录的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！

【爬虫】一次爬取某瓣top电影前250的学习记录