Python爬虫包BeautifulSoup学习实例(五)
更新时间:2018年06月17日 09:55:41 作者:SuPhoebe
这篇文章主要为大家详细介绍了Python爬虫包BeautifulSoup的学习实例,具有一定的参考价值,感兴趣的朋友可以参考一下
本文为大家分享了Python爬虫包BeautifulSoup学习实例,具体内容如下
BeautifulSoup
使用BeautifulSoup抓取豆瓣电影的一些信息。
# -*- coding: utf-8 -*-
# @Author: HaonanWu
# @Date: 2016-12-24 16:18:01
# @Last Modified by: HaonanWu
# @Last Modified time: 2016-12-24 17:25:33
import urllib2
import json
from bs4 import BeautifulSoup
def nowplaying_movies(url):
user_agent = 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.99 Safari/537.36'
headers = {'User-Agent':user_agent}
request = urllib2.Request(url = url, headers = headers)
response = urllib2.urlopen(request)
soup_packetpage = BeautifulSoup(response, 'lxml')
items = soup_packetpage.findAll("li", class_="list-item")
# items = soup_packetpage.findAll("li", {"class" : "list-item"}) 等价写法
movies = []
for item in items:
if item.attrs['data-category'] == 'nowplaying':
movie = {}
movie['title'] = item.attrs['data-title']
movie['score'] = item.attrs['data-score']
movie['director'] = item.attrs['data-director']
movie['actors'] = item.attrs['data-actors']
movies.append(movie)
print('%(title)s|%(score)s|%(director)s|%(actors)s' % movie)
return movies
if __name__ == '__main__':
url = 'https://movie.douban.com/nowplaying/beijing/'
movies = nowplaying_movies(url)
print('%s' % json.dumps(movies, sort_keys=True, indent=4, separators=(',', ': ')))
HTMLParser
使用HTMLParser实现上述功能
这里有一些HTMLParser的基础教程
由于HtmlParser自2006年以后就再没更新,目前很多人推荐使用jsoup代替它。
# -*- coding: utf-8 -*-
# @Author: HaonanWu
# @Date: 2016-12-24 15:57:54
# @Last Modified by: HaonanWu
# @Last Modified time: 2016-12-24 17:03:27
from HTMLParser import HTMLParser
import urllib2
import json
class MovieParser(HTMLParser):
def __init__(self):
HTMLParser.__init__(self)
self.movies = []
def handle_starttag(self, tag, attrs):
def _attr(attrlist, attrname):
for attr in attrlist:
if attr[0] == attrname:
return attr[1]
return None
if tag == 'li' and _attr(attrs, 'data-title') and _attr(attrs, 'data-category') == 'nowplaying':
movie = {}
movie['title'] = _attr(attrs, 'data-title')
movie['score'] = _attr(attrs, 'data-score')
movie['director'] = _attr(attrs, 'data-director')
movie['actors'] = _attr(attrs, 'data-actors')
self.movies.append(movie)
print('%(title)s|%(score)s|%(director)s|%(actors)s' % movie)
def nowplaying_movies(url):
headers = {'User-Agent' : 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.99 Safari/537.36'}
req = urllib2.Request(url, headers=headers)
s = urllib2.urlopen(req)
parser = MovieParser()
parser.feed(s.read())
s.close()
return parser.movies
if __name__ == '__main__':
url = 'https://movie.douban.com/nowplaying/beijing/'
movies = nowplaying_movies(url)
print('%s' % json.dumps(movies, sort_keys=True, indent=4, separators=(',', ': ')))
以上全部为本篇文章的全部内容,希望对大家的学习有所帮助,也希望大家多多支持脚本之家。
您可能感兴趣的文章:
- Python爬虫库BeautifulSoup获取对象(标签)名,属性,内容,注释
- Python爬虫库BeautifulSoup的介绍与简单使用实例
- Python爬虫实现使用beautifulSoup4爬取名言网功能案例
- Python爬虫beautifulsoup4常用的解析方法总结
- Python爬虫包BeautifulSoup实例(三)
- Python爬虫包BeautifulSoup异常处理(二)
- Python爬虫包BeautifulSoup简介与安装(一)
- python爬虫之BeautifulSoup 使用select方法详解
- python爬虫入门教程--HTML文本的解析库BeautifulSoup(四)
- Python爬虫包 BeautifulSoup 递归抓取实例详解
- 使用Python爬虫库BeautifulSoup遍历文档树并对标签进行操作详解
相关文章
python通过imaplib模块读取gmail里邮件的方法
这篇文章主要介绍了python通过imaplib模块读取gmail里邮件的方法,涉及Python操作imaplib模块操作邮件的相关技巧,需要的朋友可以参考下2015-05-05
Python 、Pycharm、Anaconda三者的区别与联系、安装过程及注意事项
这篇文章主要介绍了Python,Pycharm,Anaconda三者的区别与联系、安装过程及其注意事项,本文给大家介绍的非常详细,具有一定的参考借鉴价值,需要的朋友可以参考下2019-10-10
jupyter notebook运行代码没反应且in[ ]没有*
本文主要介绍了jupyter notebook运行代码没反应且in[ ]没有*,文中通过示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下2022-03-03
Python中的“_args”和“__kwargs”用法详解
*args 和 **kwargs 主要⽤于函数定义,你可以将不定数量的参数传递给⼀个函数,这篇文章主要介绍了Python中的“_args”和“__kwargs”用法,需要的朋友可以参考下2023-01-01
python 读取文本文件的行数据,文件.splitlines()的方法
今天小编就为大家分享一篇python 读取文本文件的行数据,文件.splitlines()的方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧2018-07-07


最新评论