Python爬虫爬取香港电影评分网站各榜单

2023-10-30 08:30

本文主要是介绍Python爬虫爬取香港电影评分网站各榜单,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

Python爬虫

香港电影评分网站

在这里插入图片描述
各大榜单

在这里插入图片描述
最新电影榜单

在这里插入图片描述

步骤

1、找到所有的榜单地址

base_url = "https://hkmovie6.com"
edit_url = "https://hkmovie6.com/collection" # 编辑精选
marvel_url = "https://hkmovie6.com/collection/0bb46a15-ceaf-4cf0-a9ed-14284b32c5c1" # 漫威宇宙
dc_url = "https://hkmovie6.com/collection/c3400e0e-78ac-4184-ac4f-972f46dd3b07" # dc宇宙
star_wars_url = "https://hkmovie6.com/collection/3eabc7b5-c674-42a3-8069-522a02bf8f1a" # 星球大战系列
oscars_url = "https://hkmovie6.com/collection/ba07fa64-8297-49d7-ba4c-fb9bed210a65" # 奥斯卡金像奖得奖名单
new_url = "https://hkmovie6.com/watch/latest" # 最新

2、分析排行榜获取电影详情页地址

在这里插入图片描述

3、根据详情页获取电影信息

在这里插入图片描述
4、将爬取到的数据保存到Excel文件

在这里插入图片描述

代码

# -*- coding: utf-8 -*- import requests
from bs4 import BeautifulSoup
import xlwt'''
https://hkmovie6.com
'''
base_url = "https://hkmovie6.com"
edit_url = "https://hkmovie6.com/collection" # 编辑精选
marvel_url = "https://hkmovie6.com/collection/0bb46a15-ceaf-4cf0-a9ed-14284b32c5c1" # 漫威宇宙
dc_url = "https://hkmovie6.com/collection/c3400e0e-78ac-4184-ac4f-972f46dd3b07" # dc宇宙
star_wars_url = "https://hkmovie6.com/collection/3eabc7b5-c674-42a3-8069-522a02bf8f1a" # 星球大战系列
oscars_url = "https://hkmovie6.com/collection/ba07fa64-8297-49d7-ba4c-fb9bed210a65" # 奥斯卡金像奖得奖名单
new_url = "https://hkmovie6.com/watch/latest" # 最新def get_html(url,encoding):response = requests.get(url)if response.status_code == 200:# 判断请求是否成功response.encoding = encodingreturn response.textelse:return Nonedef get_new_data(savepath):'''获取最新模块数据:return:'''html = get_html(new_url, "utf-8")soup = BeautifulSoup(html,"html.parser")shows = soup.find("div",class_="shows")a_links = shows.find_all("a")datalist = []for a in a_links:mv_url = a['href']print(mv_url)result = get_detail_data(base_url + mv_url)datalist.append(result)save_to_excel(savepath,datalist)def get_marvel_data():'''获取漫威电影系列榜单:return:'''html = get_html(marvel_url,"utf-8")get_new_data(html,"./漫威.xls")def get_dc_data():'''获取dc电影系列榜单:return:'''html = get_html(dc_url,"utf-8")get_new_data(html,"./dc.xls")def get_sw_data():'''获取星球大战电影系列榜单:return:'''html = get_html(star_wars_url,"utf-8")get_new_data(html,"./星球大战.xls")def get_oscars_data():'''获取星球大战电影系列榜单:return:'''html = get_html(oscars_url, "utf-8")get_new_data(html, "./奥斯卡金像奖榜单.xls")def save_to_excel(savepath,datalist):book = xlwt.Workbook(encoding="utf-8", style_compression=0)  # 创建workbook对象sheet = book.add_sheet('Top100', cell_overwrite_ok=True)  # 创建工作表col = ("电影名", "时长", "上映日期", "级别","简介")for i in range(0,5):sheet.write(0, i, col[i])  # 列名for i in range(0, len(datalist)):print("第{}条".format(i + 1))data = datalist[i]if len(data) >= 5:# 数据完整才保存for j in range(0, 5):sheet.write(i + 1, j, data[j])book.save(savepath)  # 保存def get_detail_data(url):''':return:'''print(url)html = get_html(url,"utf-8")soup = BeautifulSoup(html, "html.parser")mv_content = soup.find("div",class_="movieContent")mv_detail = mv_content.find("div",class_="movieMobileDetail")mv_title = mv_detail.find("div",class_="movieName").get_text().strip()mv_tad = mv_detail.find("div",class_="text").get_text().strip().split("|")mv_duration = mv_tad[1].strip()mv_time = mv_tad[0].strip()mv_level = mv_detail.find("div",class_="cat").get_text().strip()mv_des = mv_content.find("div",class_="synopsis").span.span['aria-label'].strip()# 标题 2021年2月24日 | 103 分鐘 简介  级别return [mv_title,mv_duration,mv_time,mv_level,mv_des]def main():get_marvel_data()get_dc_data()get_sw_data()get_oscars_data()if __name__ == '__main__':main()

这篇关于Python爬虫爬取香港电影评分网站各榜单的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/306679

相关文章

使用Python的requests库调用API接口的详细步骤

《使用Python的requests库调用API接口的详细步骤》使用Python的requests库调用API接口是开发中最常用的方式之一,它简化了HTTP请求的处理流程,以下是详细步骤和实战示例,涵... 目录一、准备工作:安装 requests 库二、基本调用流程(以 RESTful API 为例)1.

Python清空Word段落样式的三种方法

《Python清空Word段落样式的三种方法》:本文主要介绍如何用python-docx库清空Word段落样式,提供三种方法:设置为Normal样式、清除直接格式、创建新Normal样式,注意需重... 目录方法一:直接设置段落样式为"Normal"方法二:清除所有直接格式设置方法三:创建新的Normal样

Python调用LibreOffice处理自动化文档的完整指南

《Python调用LibreOffice处理自动化文档的完整指南》在数字化转型的浪潮中,文档处理自动化已成为提升效率的关键,LibreOffice作为开源办公软件的佼佼者,其命令行功能结合Python... 目录引言一、环境搭建:三步构建自动化基石1. 安装LibreOffice与python2. 验证安装

把Python列表中的元素移动到开头的三种方法

《把Python列表中的元素移动到开头的三种方法》在Python编程中,我们经常需要对列表(list)进行操作,有时,我们希望将列表中的某个元素移动到最前面,使其成为第一项,本文给大家介绍了把Pyth... 目录一、查找删除插入法1. 找到元素的索引2. 移除元素3. 插入到列表开头二、使用列表切片(Lis

Python按照24个实用大方向精选的上千种工具库汇总整理

《Python按照24个实用大方向精选的上千种工具库汇总整理》本文整理了Python生态中近千个库,涵盖数据处理、图像处理、网络开发、Web框架、人工智能、科学计算、GUI工具、测试框架、环境管理等多... 目录1、数据处理文本处理特殊文本处理html/XML 解析文件处理配置文件处理文档相关日志管理日期和

Python标准库datetime模块日期和时间数据类型解读

《Python标准库datetime模块日期和时间数据类型解读》文章介绍Python中datetime模块的date、time、datetime类,用于处理日期、时间及日期时间结合体,通过属性获取时间... 目录Datetime常用类日期date类型使用时间 time 类型使用日期和时间的结合体–日期时间(

使用Python开发一个Ditto剪贴板数据导出工具

《使用Python开发一个Ditto剪贴板数据导出工具》在日常工作中,我们经常需要处理大量的剪贴板数据,下面将介绍如何使用Python的wxPython库开发一个图形化工具,实现从Ditto数据库中读... 目录前言运行结果项目需求分析技术选型核心功能实现1. Ditto数据库结构分析2. 数据库自动定位3

Python yield与yield from的简单使用方式

《Pythonyield与yieldfrom的简单使用方式》生成器通过yield定义,可在处理I/O时暂停执行并返回部分结果,待其他任务完成后继续,yieldfrom用于将一个生成器的值传递给另一... 目录python yield与yield from的使用代码结构总结Python yield与yield

python使用Akshare与Streamlit实现股票估值分析教程(图文代码)

《python使用Akshare与Streamlit实现股票估值分析教程(图文代码)》入职测试中的一道题,要求:从Akshare下载某一个股票近十年的财务报表包括,资产负债表,利润表,现金流量表,保存... 目录一、前言二、核心知识点梳理1、Akshare数据获取2、Pandas数据处理3、Matplotl

Django开发时如何避免频繁发送短信验证码(python图文代码)

《Django开发时如何避免频繁发送短信验证码(python图文代码)》Django开发时,为防止频繁发送验证码,后端需用Redis限制请求频率,结合管道技术提升效率,通过生产者消费者模式解耦业务逻辑... 目录避免频繁发送 验证码1. www.chinasem.cn避免频繁发送 验证码逻辑分析2. 避免频繁