爬取豆瓣电影排行榜top250最新教程！经典爬虫案例

    书山有路勤为径，学海无涯苦作舟！

        人中苦短我用python，大家好今天给大家分享一下爬取豆瓣电影排行榜top250的最新教程，话不多说，直接上源码！我会在代码中做出详细解释！

         

import requests  #引入请求模块
import re       #正则
import csv      #csv文件存储模块
import time     #时间模块



#伪装请求头
headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/93.0.4577.82 Safari/537.36"
}


#正则解析提取数据方法
obj = re.compile(r'
.*?
.*?(?P.*?)'
                 r'.*?
.*?
(?P.*?) .*?'
                 r'(?P.*'
                 r'.*?(?P.*?)人评价', re.S)


start = 0      #时间请求自动换页
f = open("data.csv", mode='w')   #创建打开csv文件
csvwriter = csv.writer(f)        #向文件中写入数据方法
s = 1
proxy = {
    "https": "175.7.199.68:3256"    #代理设置可用可不用
}
while True:
    url = f'https://movie.douban.com/top250?start={start}'  #url请求地址，start是用来自动换页的
    resp = requests.get(url, headers=headers, proxies=proxy)    #模拟浏览器请求页面
    page_content = resp.text
    result = obj.finditer(page_content)     #正则解析过滤数据
    for i in result:                        #循环把数据封装成字典
        dic = i.groupdict()
        dic['year'] = dic['year'].strip()
        csvwriter.writerow(dic.values())    #向文件中写入数据
        print(i.group('name'))
    print('第{}页已完成....'.format(s))
    s += 1
    time.sleep(1)     #睡眠一秒避免请求速度过快
    start += 25       #换页方法
    if start > 225:   #最后一页跳出循环
        break

f.close()      #关闭读写文件
resp.close()    #相当于关闭模拟浏览器窗口
print('程序完成自动退出！！！！')

 获取到的数据如下图所示（截取部分）：

 

 好了一个简单的爬虫小程序就完成了，大家可以尝试一下，也可以给初学者一个参考！再见！