『壹』 python爬虫抓取电影top20排名怎么写

初步接触python爬虫(其实python也是才起步)，发现一段代码研究了一下，觉得还比较有用处，Mark下。
上代码：

#!/usr/bin/python#coding=utf-8#Author: Andrew_liu#mender：cy"""
一个简单的Python爬虫, 用于抓取豆瓣电影Top前100的电影的名称
Anthor: Andrew_liu
mender：cy
Version: 0.0.2
Date: 2017-03-02
Language: Python2.7.12
Editor: JetBrains PyCharm 4.5.4
"""import stringimport reimport urllib2import timeclass DouBanSpider(object) :
"""类的简要说明
主要用于抓取豆瓣Top100的电影名称

Attributes:
page: 用于表示当前所处的抓取页面
cur_url: 用于表示当前争取抓取页面的url
datas: 存储处理好的抓取到的电影名称
_top_num: 用于记录当前的top号码
"""

def __init__(self):
self.page = 1
self.cur_url = "h0?start={page}&filter=&type="
self.datas = []
self._top_num = 1
print u"豆瓣电影爬虫准备就绪, 准备爬取数据..."

def get_page(self, cur_page):
"""
根据当前页码爬取网页HTML
Args:
cur_page: 表示当前所抓取的网站页码
Returns:
返回抓取到整个页面的HTML(unicode编码)
Raises:
URLError:url引发的异常
"""
url = self.cur_url try:
my_page = urllib2.urlopen(url.format(page=(cur_page - 1) * 25)).read().decode("utf-8") except urllib2.URLError, e: if hasattr(e, "code"): print "The server couldn't fulfill the request."
print "Error code: %s" % e.code elif hasattr(e, "reason"): print "We failed to reach a server. Please check your url and read the Reason"
print "Reason: %s" % e.reason return my_page def find_title(self, my_page):
"""
通过返回的整个网页HTML, 正则匹配前100的电影名称

Args:
my_page: 传入页面的HTML文本用于正则匹配
"""
temp_data = []
movie_items = re.findall(r'<span.*?class="title">(.*?)</span>', my_page, re.S) for index, item in enumerate(movie_items): if item.find("&nbsp") == -1:
temp_data.append("Top" + str(self._top_num) + " " + item)
self._top_num += 1
self.datas.extend(temp_data) def start_spider(self):
"""
爬虫入口, 并控制爬虫抓取页面的范围
"""
while self.page <= 4:
my_page = self.get_page(self.page)
self.find_title(my_page)
self.page += 1def main():
print u"""
###############################
一个简单的豆瓣电影前100爬虫
Author: Andrew_liu
mender: cy
Version: 0.0.2
Date: 2017-03-02
###############################
"""
my_spider = DouBanSpider()
my_spider.start_spider()
fobj = open('/data/moxiaokai/HelloWorld/cyTest/blogcode/top_move.txt', 'w+') for item in my_spider.datas: print item
fobj.write(item.encode("utf-8")+' ')
time.sleep(0.1) print u"豆瓣爬虫爬取完成"if __name__ == '__main__':
main()

运行结果：

『贰』 IMDB Top 250 与豆瓣电影250的比较

imdb主要是欧美人群评分，由于文化背景，生活方式，信仰等太多的不一样，所以对电内影的口味也容不一样，不过大多还是被主流文化所认同。豆瓣则是文艺青年的聚集地，对文艺小众电影一般评分都会比较高，还特别要别人都没看过但拿来谈资特有面子的电影，肯定是高分。

『叁』 python怎么爬豆瓣top250电影beautifulsoup

这不是报错 这是代码不兼容产生的 警告提示换一下写法就可以了#bsObj = BeautifulSoup(html)bsObj = BeautifulSoup(html, "lxml")

『肆』 豆瓣电影top250根据什么排名的

当然是根据电影的口碑和知名度来排名的！
口碑是第一需要考虑的要素，就像是第一名的《肖申克的救赎》，毋庸置疑的经典！
有些电影过于小众化，比如《狩猎》（豆瓣我记得是9.0的评分），可能口碑也不错，但排名就会靠后一点。

『伍』 【初学者】R语言 rvest包 爬取豆瓣电影top250，使用data.frame合并结果时，行数不一样，无法合并

frame <- data.frame(x=c(1,2,3),
y=c(4,7,9))
if (3 %in% frame$x)
foo()

『陆』 怎样解析出HTML标签中的数据，也就是说提取数据，我做了一个爬虫，爬取豆瓣前250的电影。

用的是什么语言？一般通用的可以用正则表达式解析，不过会麻烦一点。

如果用nodejs，可以用cheerio，类似jquery的用法。

『柒』 python爬虫抓取电影top20排名怎么用

日长篱落无人过,唯有蜻蜓蛱蝶飞.