python实战项目 — 使用bs4 爬取猫眼电影热榜（存入本地txt、以及存储数据库列表）

案例一：

重点：

1. 使用bs4 爬取

2. 数据写入本地 txt

from bs4 import BeautifulSoup

import requests

url = "http://maoyan.com/board"

header = {

    'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/77.0.3865.90 Safari/537.36'

}

rsq = requests.get(url=url,headers=header).text

soup = BeautifulSoup(rsq, "lxml")

# 所有信息都在 <dd> </dd>标签中，先提取出这个标签

items = soup.select('dd')

# 构建本地txt文档

with open("D://maoyan.txt", "w", encoding="utf-8") as f:

    for item in items:

        # 提取标题

        title=item.select('p a[data-act="boarditem-click" ]')[0].get_text()

        # 提取主演

        star=item.select('p[class = "star"]')[0].get_text().replace("\n", "").strip(" ")

        # 提取分数

        score=item.select('p[class = "score"]')[0].get_text().strip('\n').strip(' ')

        # 提取上映时间

        releasetime=item.select('p[class = "releasetime"]')[0].get_text()

        # 数据整合

        datas=title + "  " + releasetime + "  " + star + "  " + score + "\n"

        print(datas)

        # 利用for循环把每条datas信息写入本地

        f.write(datas)

f.close()

print("Sucessful")

　　

优化后

重点：

1. 链接数据库，创建表

2. 在线爬取写入数据库表

# 下面需要用requests 请求，不要用 “ from urllib import request ”

from bs4 import BeautifulSoup

from urllib import request

import time

import pymysql

# 记录开始时间

start_time = time.time()

print("尝试链接服务器")

try:

    #  链接到服务器

    connect = pymysql.connect(host='主机地址', user='用户', passwd='密码', db='数据库名', port=3306)

    # 创建游标，对数据进行操作

    cursor = connect.cursor()

    # 如果存在同名表就删除

    cursor.execute('DROP TABLES IF EXISTS maoyan_datas')

    # 使用SQL语句创建表

    sql1 =""" create table  maoyan_datas(

    title  CHAR(100),

    star CHAR(200),

    score CHAR(50),

    releasetime CHAR(200)

    )"""

    # 执行上面的sql语句

    cursor.execute(sql1)

    # 提交执行

    connect.commit()

#    db.close()

    print("链接数据库创建表完成")

except Exception as e:

    print("链接数据库创建表失败" + str(e))

url="http://maoyan.com/board"

rsq = request.urlopen(url)

html = rsq.read().decode()

# 解析网址

soup = BeautifulSoup(html,"lxml")

# 提取前端结构中 <dd> </dd> 标签部分，因为此部分包含全部信息

items = soup.select('dd')

print("已获取网站数据")

sql2 = 'insert into maoyan_datas(title,star,score,releasetime) values(%s,%s,%s,%s)'

i = 0

for item in items:

    # 提取标题

    title = item.select('p a[data-act="boarditem-click" ]')[0].get_text()

    # 提取主演

    star = item.select('p[class = "star"]')[0].get_text().replace("\n","").strip(" ")

    # 提取分数

    score = item.select('p[class = "score"]')[0].get_text().strip('\n').strip(' ')

    # 提取上映时间

    releasetime = item.select('p[class = "releasetime"]')[0].get_text()

    # 数据拼接

    all = [title, str(star),str(score),str(releasetime)]

    #打印当前获取的电影信息

    print(all)

    # 把电影信息写入数据库

    cursor.execute(sql2,all)

    i = i +1

    print("已写入 %s 行数据"%i)

connect.close()

print("done，消耗了时间： %f s" % (time.time() - start_time))

　　

python实战项目 — 使用bs4 爬取猫眼电影热榜（存入本地txt、以及存储数据库列表）的相关教程结束。