Python爬取豆瓣电影评分Top250(内附源码地址与效果图)

目录

1.先看一眼项目层次结构和最终效果图吧(通过可视化分析得到豆瓣评分Top250平均评分最高的电影类别)

1.1项目层次结构：

 1.2 项目效果图（注意url地址）

 1.3 实现过程以及步骤

 1.3.1爬取数据

        1.3.1.1 附爬取数据模块源码       

1.3.2 数据处理

1.3.3 可视化分析

1.3.4 结果展示

1.3.5 源码分享

---

---

1.先看一眼项目层次结构和最终效果图吧(通过可视化分析得到豆瓣评分Top250平均评分最高的电影类别)

1.1项目层次结构：

 1.2 项目效果图（注意url地址）

 1.3 实现过程以及步骤

        

 1.3.1爬取数据

         通过Python使用BeautifulSoup库爬取豆瓣电影网址，url地址：豆瓣电影 Top 250 (douban.com) 

        1.3.1.1 附爬取数据模块源码       

#1.打开要抓取的网页
#2.查看接口（页面地址的调用顺序）
#3.查看数据的数据结构

start = 0
result = []
header = {
    'User-Agent':'Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/95.0.4638.69 Mobile Safari/537.36 Edg/95.0.1020.44'
}
f = open("电影榜Top250.csv",mode="w")
for i in range (0,10):
    html = requests.get("https://movie.douban.com/top250?start="+str(start) + "&filter=",headers=header)
    html.encoding = 'utf-8'
    start += 25
    soup = BeautifulSoup(html.text,"html.parser")
#    print(soup)
    for item in soup.find_all('div','info'):
        title = item.div.a.span.string
        #print(title)
        yearline = item.find('div','bd').p.contents[2].string
        yearline = yearline.replace(' ','')
        yearline = yearline.replace('\n', '')
        year = yearline[0:4]

        movie_message = item.find('div','bd').p.contents[2].string
        movie_message = movie_message.replace(' ','')
        movie_message = movie_message.replace('\n','')
        movie_message = movie_message.replace('/',",")
        movie_message = movie_message.replace(u'\xa0',u'')
        #导入re包1，调用findall方法使用正则表达式查找以1/空格开始 以空格/结尾的1字符串
        #country = re.findall(r"/ (.+?) /", movie_message2)
        #movie_country = country[0]
        #type = re.findall(r"\xa0/\xa0(.+)........................", movie_message2)
        #print(type)

        # 获取评分
        rating = item.find('span', {'class': 'rating_num'}).get_text()

        f.write(title + "," + movie_message + "," + rating)
        f.write("\n")

  1.3.2 数据处理

        对存储在文件中的数据进行数据处理和清洗

        对于爬取到的数据，我们需要进行数据清洗和数据处理，以便去除掉我们不需要的数据以及将数据修正为我们需要的格式。这是我们爬取到的数据：

         通过上述截图我们可以发现，该文件中的有的电影类别不只有一个；对此我们要特别对此进行处理（由于最后结果为分析类别与评分之间的关系，故我们仅取出类别与评分两列即可）；举个例子：我们要对肖申克的救赎这条电影的类别和评分做以下处理：

        犯罪/剧情,9.7  ---->  犯罪 9.7 剧情9.7

        即将类别与评分之间的对应关系一一拆分开来，由于具体代码我写的较为繁琐（本人比较菜）先不在这里放啦，如果有需要的可以在下方留言，会分享给大家的。

 1.3.3 可视化分析

        现在，我们已经将数据处理完毕，剩下的就是可视化分析了。由于我们这里用到的是echarts对数据进行可视化分析，所以会用到html页面以及js的相关知识（对于此项目的前端页面我不多赘述，可能会在其他文章中说到，该项目的前端页面大家可以运行就好）。在编写代码之前，大家需要导入flask的相关库

        具体代码如下：

from flask import Flask,render_template
import pandas as pd

# 创建一个app
app = Flask(__name__)

# 准备一个函数，来处理浏览器发送过来的请求
@app.route("/")
def show():
    # 读取csv文件中的内容，发送在文件中
    data = pd.read_csv("类型-评分均值.csv")
    #将csv文件中的内容转化为字典
    #按要求读取数据，仅显示评分最高的8个
    data = data.loc[data.value >= 8.95]
    data = data.to_dict(orient="records")
    return render_template("show.html",data = data)

@app.route("/rating")
def showRating():
    data = pd.read_csv("类型-评分均值.csv")
    data = data.loc[data.value >= 8.95]
    data = data.to_dict(orient="records")
    return render_template("show2.html", data=data)

@app.route("/rating2")
def showRating2():
    data = pd.read_csv("类型-评分均值.csv")
    data_name = data.loc[:, 'name'].values.tolist()
    data_value = data.loc[:, 'value'].values.tolist()
    return render_template("show3.html", data_name=data_name,data_value = data_value)
    

# 运行这个app
if __name__ == '__main__':
    app.run()

其中@qpp.route（“ ”）注解为建立url与处理方法之间的对应关系

1.3.4 结果展示

好了，写到这里。大家就可以运行代码打开控制台下方的网址进行数据展示了

        大家的默认打开 页面应该是这个，因为此页面对于类型与评分之间的对应关系不是很明显，所以我又新建了页面用柱状图来表示他俩之间的对应关系(注意url地址)

 1.3.5 源码分享

        需要源码的小伙伴，可以在下方留言。本人看到会尽快回复的，本项目相关问题大家也可以来提问。

礼貌拿码，大家调通代码之后不要忘记三连哦~~~