python爬取电影网站相关数据，涉及知识：urllib获取url、re正则解析数据、保存excel

毛毛今天的学习笔记是爬抓电影网站的数据，这里写的豆瓣，其实不是豆瓣儿，用的另一个电影网站做的测试
小结：使用了urllib包，只爬抓了”电影名称”,”图片链接”，这里没有写数据库操作流程。

# -*- codeing = utf-8 -*-
# @Time : 2022/9/23 0023 14:25
# @Author : 毛毛
# @File : test.py
# @Function :爬虫-爬抓豆瓣电影

from bs4 import BeautifulSoup #网页解析，获取数据
import re #正则表达式，进行文字匹配
import urllib.request,urllib.error #定制URL，获取网页数据
import xlwt #进行excel操作
import sqlite3 #进行SQLite数据库操作

def main():
    baseurl = "https://www.1905.com/vod/list/n_1_a_4/o3p"
    savepath = ".\\豆瓣单影Top205.xls"
    #1.爬取网页
    datalist = getData(baseurl)
    #print(datalist)
    saveData(datalist,savepath)

#定义正则规则
findLink = re.compile(r'<h3>(.*?)</h3>')
findimage = re.compile(r'<img.*src="(.*?)"/>') #re.s包含换行符

#爬取网页
def getData(baseurl):
    datalist = []
    for i in range(1,5): #调用获取页面信息的函数  左闭右开 共计10页
        url = baseurl + str(i) + ".html" #每页25条
        html = askURL(url) #保存获取到的网页源码
        #print(html)
        #print(url)
        #拿到所有的item
        soup = BeautifulSoup(html,"html.parser")
        for item in soup.find_all('section',class_="mod row search-list"):
            #print(item) 查看电影item全部信息
            data = [] #保存一部电影的所有信息
            item = str(item) #转成字符串
            #print(item) #显示每一个item
            link = re.findall(findLink,item) #re库通过正则来获取指定字符串
            #print(link)
            data.append(link)
            imgSrc = re.findall(findimage,item)
            data.append(imgSrc)
            datalist.append(data)
            #print(imgSrc)

    return datalist
    # 2.解析数据


#得到指定一个URL的网页内容
def askURL(url):
    head = {
        "User-Agent":"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/49.0.2623.112 Safari/537.36"
    }
    request = urllib.request.Request(url=url,headers=head)
    html = ""
    try:
        response = urllib.request.urlopen(request)
        html = response.read().decode("utf-8") # 读出来 并用utf-8
    except urllib.error.URLError as e:
        if hasattr(e,"code"):
            print(e.code)
        if hasattr(e,"reason"):
            print(e.reason)

    #print(html)
    return html





# 3.保存数据
def saveData(datalist,savepath):
    book = xlwt.Workbook(encoding="utf-8",style_compression=0) #创建一个Workbook对象
    sheet = book.add_sheet('电影名称和图片地址',cell_overwrite_ok=True) #创建工作表
    col = ("电影名称","图片链接")
    for i in range(len(col)):
        sheet.write(0,i,col[i]) #列名
    #print(datalist)
    # for name in datalist:
    #     for name2 in name:
    #         for name3 in name2:
    #             print(name3)

    for i in range(4):
        for j in range(2):
            for k in range(24):
                data = datalist[i][j]
                # print(data[k])

                sheet.write(k + 1, j, data[k])
    book.save(savepath) #保存




if __name__ == "__main__":  # 当程序执行时
    main()
    print("爬取成功！")