在执行程序前,先在MySQL中创建一个数据库"pachong"。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
|
import pymysql import requests import re #获取资源并下载 def resp(listURL): #连接数据库 conn = pymysql.connect( host = '127.0.0.1' , port = 3306 , user = 'root' , password = '******' , #数据库密码请根据自身实际密码输入 database = 'pachong' , charset = 'utf8' ) #创建数据库游标 cursor = conn.cursor() #创建列表t_movieTOP250(执行sql语句) cursor.execute( 'create table t_movieTOP250(id INT PRIMARY KEY auto_increment NOT NULL ,movieName VARCHAR(20) NOT NULL ,pictrue_address VARCHAR(100))' ) try : # 爬取数据 for urlPath in listURL: # 获取网页源代码 response = requests.get(urlPath) html = response.text # 正则表达式 namePat = r 'alt="(.*?)" src=' imgPat = r 'src="(.*?)" class=' # 匹配正则(排名【用数据库中id代替,自动生成及排序】、电影名、电影海报(图片地址)) res2 = re. compile (namePat) res3 = re. compile (imgPat) textList2 = res2.findall(html) textList3 = res3.findall(html) # 遍历列表中元素,并将数据存入数据库 for i in range ( len (textList3)): cursor.execute( 'insert into t_movieTOP250(movieName,pictrue_address) VALUES("%s","%s")' % (textList2[i],textList3[i])) #从游标中获取结果 cursor.fetchall() #提交结果 conn.commit() print ( "结果已提交" ) except Exception as e: #数据回滚 conn.rollback() print ( "数据已回滚" ) #关闭数据库 conn.close() #top250所有网页网址 def page(url): urlList = [] for i in range ( 10 ): num = str ( 25 * i) pagePat = r '?start=' + num + '&filter=' urL = url + pagePat urlList.append(urL) return urlList if __name__ = = '__main__' : url = r "https://movie.douban.com/top250" listURL = page(url) resp(listURL) |
结果如下图:
以上就是我的分享,如果有什么不足之处请指出,多交流,谢谢!
以上就是python爬取豆瓣电影TOP250数据的详细内容,更多关于python爬取豆瓣电影的资料请关注服务器之家其它相关文章!
原文链接:https://www.cnblogs.com/qiuwuzhidi/p/14784302.html