用Python网络爬虫来看看最近电影院都有哪些上映的电影

来自公众号：Python爬虫与数据挖掘

/1 前言/

猫眼电影是淘宝联合打造电影分类最全的电影的平台，能够第一时间告知用户，最新的电影上线时间。今天教大家获取猫眼电影的即将上映的电影详情。

/2 项目目标/

获取猫眼电影的即将上映的电影详情。

/3 项目准备/

软件：PyCharm

需要的库：requests、lxml、random、time

插件：Xpath

网站如下：

https://maoyan.com/films?showType=2&offset={}

点击下一页的按钮，观察到网站的变化分别如下：

https://maoyan.com/films?showType=2&offset=30https://maoyan.com/films?showType=2&offset=60https://maoyan.com/films?showType=2&offset=90

点击下一页时，页面每增加一页offset=()每次增加30，所以可以用{}代替变换的变量，再用for循环遍历这网址，实现多个网址请求。

/4 项目实现/

1、定义一个class类继承object，定义init方法继承self，主函数main继承self。导入需要的库和网址，代码如下所示。

import requestsfrom lxml import etree
import timeimport random
class MaoyanSpider(object): def __init__(self): self.url = 'https://maoyan.com/films?showType=2&offset={}'
def main(self): pass
if __name__ == '__main__': spider = MaoyanSpider() spider.main()

2、随机产生UserAgent。

 for i in range(1, 50):    # ua.random,一定要写在这里,每次请求都会随机选择。        self.headers = {            'User-Agent': ua.random,        }

3、发送请求，获取页面响应。

def get_page(self, url): # random.choice一定要写在这里,每次请求都会随机选择 res = requests.get(url, headers=self.headers) res.encoding = 'utf-8' html = res.text self.parse_page(html)

4、xpath解析一级页面数据，获取页面信息。

1）基准xpath节点对象列表。

 # 　创建解析对象parse_html = etree.HTML(html)# 基准xpath节点对象列表dd_list = parse_html.xpath('//dl[@class='movie-list']//dd')

2）依次遍历每个节点对象，提取数据。

for dd in dd_list: name = dd.xpath('.//div[@class='movie-hover-title']//span[@class='name noscore']/text()')[0].strip() star = dd.xpath('.//div[@class='movie-hover-info']//div[@class='movie-hover-title'][3]/text()')[1].strip() type = dd.xpath('.//div[@class='movie-hover-info']//div[@class='movie-hover-title'][2]/text()')[1].strip() dowld=dd.xpath('.//div[@class='movie-item-hover']/a/@href')[0].strip() # print(movie_dict) movie = '''【即将上映】

5、定义movie，保存打印数据。

 movie = '''【即将上映】            电影名字: %s
主演：%s
类型：%s详情链接：https://maoyan.com%s=========================================================                                   ''' % (name, star, type,dowld)print( movie)

6、random.randint()方法，设置时间延时。

time.sleep(random.randint(1, 3))

7、调用方法，实现功能。

html = self.get_page(url)self.parse_page(html)

/5 效果展示/

1、点击绿色小三角运行输入起始页，终止页。

2、运行程序后，结果显示在控制台，如下图所示。

3、点击蓝色下载链接, 网络查看详情。

/6 小结/

1、不建议抓取太多数据，容易对服务器造成负载，浅尝辄止即可。

2、本文基于Python网络爬虫，利用爬虫库，实现爬取猫眼电影。

3、欢迎大家积极尝试，有时候看到别人实现起来很简单，但是到自己动手实现的时候，总会有各种各样的问题，切勿眼高手低，勤动手，才可以理解的更加深刻。

4、猫眼电影代码链接：，https://github.com/cassieeric/python_crawler/tree/master/MaoyanMovie，觉得不错，记得给个star噢。