python BeautifulSoup爬取豆瓣电影top250信息并写入Excel表格

豆瓣是一个社区网站，创立于2005年3月6日。该网站以书影音起家，提供关于书籍，电影，音乐等作品信息，其描述和评论都是由用户提供的，是Web2.0网站中具有特色的一个网站。
豆瓣电影top250网址：https://movie.douban.com/top250?start=0&filter=
BeautifulSoup解析提取信息的具体过程请看BeautifulSoup爬取豆瓣电影top250信息 ，我在其中具体讲解了BeautifulSoup的用法，下面的内容是我把它输出的内容写入Excel表格。

把上面的信息改为写进表格，源码如下：

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
import re
import urllib.request
from bs4 import BeautifulSoup
import xlwt

urls = "https://movie.douban.com/top250"
html = urllib.request.urlopen(urls).read()
soup = BeautifulSoup(html, "html.parser")
all_page=[]
print(u'网站名称：', soup.title.string.replace("\n", ""))

# 定位代码范围、爬虫部分
def part(url):
    html = urllib.request.urlopen(url).read()
    soup = BeautifulSoup(html, "html.parser")

    for tag in soup.find_all(attrs={"class": "item"}):
        try:            
            ta=tag.find('em').string
            #print(u'豆瓣排名：', ta)
            
            name=tag.find('span').string        
            #print(u'中文名称：', name)

            English = tag.find_all('span')[1].get_text()
            yuanName = English.split('/')[1]
            #print(u'原名称：', yuanName)

            country = tag.p.get_text().split('/')[-2]
            #print(u'国家：', country)
            
            time = tag.p.get_text().split('\n')[2].split('/')[0].replace(" ", "")
            #print(u'上映时间：', time)

            Leixing = tag.p.get_text().split('\n')[2].split('/')[-1]
            #print(u'类型：', Leixing)

            # 电影评分
            # print tag.find_all('span')[4].get_text()      方法1(不建议使用，多处出错)
            price = tag.find_all(attrs={"class": "rating_num"})  # 方法2 
            sore = price[0].get_text()
            #print(u'评分：', sore)

            # 评价人数  方法1     (在第220名《我不是药神》网页错乱会导致出错)
            #valuation = tag.find_all('span')[-2].get_text()
            #regex = re.compile(r"\d+\.?\d*")  # 使用正则表达式保留数字
            #people = regex.findall(valuation)[0]
            #print(u'评价人数：',people)
            
            # 评价人数   方法2(节点重新定位，建议使用)
            for peo in tag.find_all(attrs={"class":"star"}):  
                valuation = peo.find_all('span')[-1].get_text()
                regex = re.compile(r"\d+\.?\d*")
                people = regex.findall(valuation)[0]
                #print(u'评价人数：',people)

            # 导演及主演
            join = tag.p.next_element  # p的后节点
            role =  join.replace("\n", "").replace(" ", "")
            #print(role)

            introduce = tag.a.get('href')
            #print(u'剧情简介：', introduce)

            img = tag.img.get('src')
            #print(u'图片地址：',img)

            lab = tag.find_all(attrs={"class": "other"})
            lable = lab[0].get_text()
            #print(u'影片标签：', lable)
            #print()
            
            page=[ta,name,yuanName,country,time,Leixing,sore,people,role,introduce,img,lable]

            all_page.append(page)
            # print(all_page)

        except IndexError:

            pass


if __name__ == '__main__':
    i = 0
    while i < 10:
        print(u'网页当前位置：', (i + 1))
        num = i * 25
        url = 'https://movie.douban.com/top250?start=' + str(num) + '&filter='
        part(url)
        book = xlwt.Workbook(encoding='utf-8')
        sheet = book.add_sheet('电影排名表')
        head = ['豆瓣排名','电影名', '原名称','国家','时间','类型','评分','评价人数','角色','介绍','图片地址','影片标签']
        for h in range(len(head)):
            sheet.write(0,h,head[h])
        j=1
        for list in all_page:
            k=0
            for data in list:
                #print(data)
                sheet.write(j,k,data)
                k=k+1
            j+=1
        book.save('豆瓣电影top250.xls')
        i = i + 1
        

写入表格的结果：

注意：

上面代码评价人数获取方法一运行会出现一个错：

出现的原因： 《我不是药神》模块缺少一个P便签中的 ,所有导致tag.find_all('span')[-2].get_text() 定位出现错乱，在此停止了运行，如图所示：

我重新用tag.find_all(attrs={"class":"star"})进行定位，精确模块查找！

源码解析内容详情：https://blog.csdn.net/ayouleyang/article/details/95719813