python爬取豆瓣视频信息代码

目录

• 一：代码
• 二：结果以下(部分例子)

  这里是爬取豆瓣视频信息，用pyquery库(jquery的python库)。

一：代码

from urllib.request import quote
from pyquery import PyQuery as pq
import requests
import pandas as pd


def get_text_page(movie_name):
    '''
    函数功能：得到指定电影名的源代码
    参数：电影名
    返回值：电影名结果的源代码
    '''
    url = 'https://www.douban.com/search?q=' + movie_name
    headers = {
        'Host' : 'www.douban.com',
        'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.90 Safari/537.36',
    }
    r = requests.get(url,headers = headers,timeout=5)
    return r.text


def get_last_url(this_text):
    '''
    函数功能：根据指定的源代码获得最终的网页地址
    参数：搜索结果源代码
    返回值：最终的网页地址
    '''
    doc = pq(this_text)
    lis = doc('.title a').items()
    k = 0
    this_str = ''
    for i in lis:
        # print('豆瓣搜索结果为:{0}'.format(i.text()))
        # print('地址为:{0}'.format(i.attr.href))
        # print('\n')
        if k == 0:
            this_str = i.attr.href
        k += 1
    return this_str


def the_last_page(this_url):
    '''
    函数功能：得到最终电影网页的源代码
    参数：最终的地址
    返回值：最终电影网页的源代码
    '''
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.90 Safari/537.36',
    }
    r = requests.get(this_url,headers = headers,timeout=20)
    return r.text


def the_last_text(this_text,movie_name):
    '''
    函数功能：得到每一项的数据
    参数：爬取页面的源代码
    返回值：返回空
    '''
    doc = pq(this_text)
    # 获取标题
    title = doc('#content h1').text()
    # 获取海报
    photo = doc('.nbgnbg img')
    photo_url = photo.attr.src
    r = requests.get(photo_url)
    with open('{m}.jpg'.format(m = movie_name),'wb') as f:
        f.write(r.content)
    # 电影信息
    message = doc('#info').text()
    # 豆瓣评分
    grade = doc('#interest_sectl').text()
    # 剧情
    things = doc('.related-info').text()
    with open('{0}.txt'.format(movie_name),'w+') as f:
        try:
            f.writelines([title,'\n','\n\n',message,'\n\n',grade,'\n\n',things])
        except:
            f.writelines([title,'\n','\n\n',message,'\n\n',grade])
    # 演员
    # 演员名
    name = []
    person_name  = doc('.info').items()
    for i in person_name:
        name.append(i.text())
    # 演员图片地址
    person_photo = doc('#celebrities')
    j = 0
    for i in person_photo .find('.avatar').items():
        m = i.attr('style')
        person_download_url = m[m.find('(') + 1:m.find(')')]
        # 下载演员地址
        r = requests.get(person_download_url)
        try:
            with open('{name}.jpg'.format(name = name[j]),'wb') as f:
                f.write(r.content)
        except:
            continue
        j += 1


def lookUrl(this_text,my_str):
    '''
    函数功能：得到观看连接
    参数：爬取页面的源代码
    返回值：返回空
    '''
    doc = pq(this_text)
    all_url = doc('.bs li a').items()
    movie_f   = []
    movie_url = []
    for i in all_url:
        movie_f.append(i.text())
        movie_url.append(i.attr.href)
    dataframe = pd.DataFrame({'观看平台':movie_f,'观看地址':movie_url})
    dataframe.to_csv("{movie_name}的观看地址.csv".format(movie_name = my_str),index=False,encoding = 'utf_8_sig',sep=',')


def main():
    name = input('')
    my_str = name
    movie_name = quote(my_str)
    page_text = get_text_page(movie_name)   # 得指定电影名的源代码
    last_url = get_last_url(page_text)      # 根据指定的源代码获得最终的网页地址
    page_text2 = the_last_page(last_url)    # 得到最终电影网页的源代码
    the_last_text(page_text2,my_str)        # 得到每一项的数据
    lookUrl(page_text2,my_str)              # 获得并处理观看连接


main()

二：结果以下(部分例子)

1.输入天气之子

2.输入百变小樱魔法卡

必须是已经上映的电影才有观看地址

3.独立日