13行代码实现爬取豆瓣250电影榜单

原理很简单，经过发送resquest请求获取服务器的response，再使用xpath提取其中咱们须要的数据，而后保存到文件中。

先看看我爬取的结果：

首先，须要用到的模块有两个：

•requests

•lxml

• 第一步，咱们先用Chrome的检查分析豆瓣250页面的http请求报头（Request URL）：•

让咱们把注意力放在箭头所指的start = 0处，当start = 0时，意味着发送的是第一页榜单的URL请求

豆瓣设定每页榜单只显示25部电影，故共有10页，每页的Resquest URL也不同。    

不过，每一页的Resquest URL都有一个很明显的规律，而这个规律帮了咱们大忙。

让咱们再看一张图：

这是250榜单的最后一页的URL请求，能够看到start的值已经变为了从第一页的0增加到了225

豆瓣250榜单共有10页，到此，规律已经很明显了，即：

    每增加一页，start的值就增长25。

• 第二步，能够开始发送请求了

    咱们在上一步获得了规律，start 在每次请求中都 +=25

    因此咱们能够写一 个 for 循环，在循环内发送请求，并在其中定义一个变量 count ，使它在每次循环结束都 +=25，

    先用 str.format(count) 函数来把count 赋给URL字符串，再发送请求

• 第三步，接收response，提取咱们须要的数据

    提取数据时，我用的是 etree.xpath() 函数，在形参输入xpath语言提取须要的数据标签便可，而后保存。

 

上代码↓