Python爬虫实战之豆瓣音乐、微打赏、阳光电影（附代码）

一、豆瓣音乐

今天爬的是豆瓣音乐top250，比较简单，主要是练练手。

1、加了请求头，本来没加，调试几次突然没数据了，加了请求头开始也没好，后来又好了，可能是网络原因；

2、这次是进入信息页爬的数据，上次爬电影没采用这种方法，缺少了部分数据；

3、数据的预处理用了很多if函数

数据分析

1、部分数据可以见上图

2、中国音乐作者还是很多的。

3、随着音乐设备和网络的普及，流行音乐的发展，可以看出2000年后作品越来越多，到2010年又积极下滑（经典就是经典，无法吐槽现在的音乐）

4、风格大家可以看出流行，摇滚，民谣占了一大半。

5、最后弄了一首周董的《不能说的秘密》做词云，想想小时候都是回忆啊。

代码片段

 
 
 
 
  
  
  
  import requests   
  
  
  import re   
  
  
  from bs4 import BeautifulSoup   
  
  
  import time   
  
  
  import pymongo   
  
  
  client = pymongo.MongoClient('localhost', 27017)   
  
  
  douban = client['douban']   
  
  
  musictop = douban['musictop']   
  
  
  headers = {      
  
  
   'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36'   
  
  
  }   
  
  
  urls = ['https://music.douban.com/top250?start={}'.format(str(i)) for  i  in  range ( 0 , 250 , 25 )]   
  
  
  def  get_url_music ( url ):   
  
  
      wb_data  =  requests . get ( url , headers = headers )   
  
  
      soup  =   BeautifulSoup ( wb_data . text , 'lxml' )   
  
  
      music_hrefs  =  soup . select ( 'a.nbg' )   
  
  
         
  
  
  for  music_href  in  music_hrefs :   
  
  
          get_music_info ( music_href [ 'href' ])   
  
  
          time . sleep ( 2 )

二、微打赏

网站分析

打开网站，翻页网页不变，看看是post的请求，很好办，直接把参数怼进去，这里只要切换page就能进行翻页。

json格式，这里post返回的是json数据，解析json数据就行，小技巧：看preview，解析起来嗖嗖哒。这里需要提取活动的名称，id和参与打赏的人数。这个后面详细页用的到。

详细页，依旧是post，依旧是json数据，这里的参数pro_id为之前的爬取的id，这一页20个信息，通过前面的参与打赏人数构造出有多少页，继续怼参数。

代码片段

 
 
 
 
  
  
  
  import  requests   
  
  
     
  
  
  import  json   
  
  
     
  
  
  import  math   
  
  
     
  
  
  def  get_sup_info (  url , page ):   
  
  
      
  
  
   params = {   
  
  
     
  
  
   'ajaxtype' : 1 ,            
  
  
     
  
  
   'page' : page ,            
  
  
     
  
  
   'category' : 1 ,            
  
  
     
  
  
   'pageSize' : 8       
  
  
     
  
  
   }   
  
  
     
  
  
    cookies = {           
  
  
     
  
  
   'User-Agent' : 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/57.0.2987.133 Safari/537.36' ,            
  
  
     
  
  
   'Cookie': 'acw_tc=AQAAAKLQ3U/WTAYAggq7PZ24WOlm9vQW; PHPSESSID=r0nbvk7hppjftegk4fpt9cu535; _uab_collina=150094753858198811653567; mdswv=v1.0; mdsa=MD-STICS-5976a44746eca; mdss=6-o; mdsf=md; mdsff=www_so_com;   
  
  
     
  
  
      }   
  
  
     
  
  
      html = requests.post(url, data=params, headers=cookies)   
  
  
     
  
  
      json_data = json.loads(html.text)   
  
  
     
  
  
      des = json_data[' des ']   
  
  
     
  
  
      for data in des:   
  
  
     
  
  
          name = data['  name ']   
  
  
     
  
  
          id = data[' id ']   
  
  
     
  
  
          pay_count = data[' pay_count ']   
  
  
     
  
  
          all_page = math.ceil(int(pay_count)/20)   
  
  
     
  
  
          for i in range(1,int(all_page)+1):   
  
  
     
  
  
              get_app_info(i,id,name)

三、阳光电影

爬虫分析

这里涉及跨页的爬取，需要理清爬虫的思路。首先打开网站，需爬取前11个分类的电影数据,经典影片格式不一样，爬虫时过滤掉了。

进入电影列表页后，正则爬取页数和电影的分类标签，以此构造分页url，然后爬取电影的名字和url。

最后在详细页爬取电影的下载地址，爬取结果如下：

代码片段

 
 
 
 
  
  
  
  import requests   
  
  
     
  
  
  import re   
  
  
     
  
  
  from lxml import etree   
  
  
     
  
  
  import csv   
  
  
     
  
  
  def get_resource(url,cate_name,cate_url,movie_name):   
  
  
     
  
  
      res = requests.get(url)      
  
  
     
  
  
      res.encoding = 'gb2312'   
  
  
     
  
  
      html = etree.HTML(res.text)   
  
  
     
  
  
      movie_resource = html.xpath('//tbody//tr/td/a/text()')[0]   
  
  
     
  
  
      writer.writerow((cate_name,cate_url,movie_name,url,movie_resource))       
  
  
     
  
  
      print(movie_resource)

网页题目：Python爬虫实战之豆瓣音乐、微打赏、阳光电影（附代码）
文章地址：http://www.shufengxianlan.com/qtweb/news25/479575.html

网站建设、网络推广公司-创新互联，是专注品牌与效果的网站制作，网络营销seo公司；服务项目有等

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源：创新互联

猜你还喜欢下面的内容