Python爬蟲入門教程 33-100 《海王》評論數據抓取 scrapy

来源:https://www.cnblogs.com/happymeng/archive/2019/02/14/10372648.html
-Advertisement-
Play Games

1. 海王評論數據爬取前分析 海王上映了,然後口碑炸了,對咱來說,多了一個可爬可分析的電影,美哉~ 摘錄一個評論 零點場剛看完,溫導的電影一直很不錯,無論是速7,電鋸驚魂還是招魂都很棒。打鬥和音效方面沒話說非常棒,特別震撼。總之,DC扳回一分( ̄▽ ̄)。比正義聯盟好的不止一點半點(我個人感覺)。還有 ...


1. 海王評論數據爬取前分析

海王上映了,然後口碑炸了,對咱來說,多了一個可爬可分析的電影,美哉~


摘錄一個評論

零點場剛看完,溫導的電影一直很不錯,無論是速7,電鋸驚魂還是招魂都很棒。打鬥和音效方面沒話說非常棒,特別震撼。總之,DC扳回一分( ̄▽ ̄)。比正義聯盟好的不止一點半點(我個人感覺)。還有艾梅伯希爾德是真的漂亮,溫導選的人都很棒。
真的第一次看到這麼牛逼的電影 轉場特效都弔炸天

2. 海王案例開始爬取數據

數據爬取的依舊是貓眼的評論,這部分內容咱們用把牛刀,scrapy爬取,一般情況下,用一下requests就好了

抓取地址

http://m.maoyan.com/mmdb/comments/movie/249342.json?_v_=yes&offset=15&startTime=2018-12-11%2009%3A58%3A43

關鍵參數

url:http://m.maoyan.com/mmdb/comments/movie/249342.json
offset:15
startTime:起始時間

scrapy 爬取貓眼代碼特別簡單,我分開幾個py文件即可。

Haiwang.py

import scrapy
import json
from haiwang.items import HaiwangItem

class HaiwangSpider(scrapy.Spider):
    name = 'Haiwang'
    allowed_domains = ['m.maoyan.com']
    start_urls = ['http://m.maoyan.com/mmdb/comments/movie/249342.json?_v_=yes&offset=0&startTime=0']

    def parse(self, response):
        print(response.url)
        body_data = response.body_as_unicode()

        js_data = json.loads(body_data)
        item = HaiwangItem()
        for info in js_data["cmts"]:

            item["nickName"] = info["nickName"]
            item["cityName"] = info["cityName"] if "cityName" in info else ""
            item["content"] = info["content"]
            item["score"] = info["score"]
            item["startTime"] = info["startTime"]
            item["approve"] = info["approve"]
            item["reply"] = info["reply"]
            item["avatarurl"] = info["avatarurl"]

            yield item

        yield scrapy.Request("http://m.maoyan.com/mmdb/comments/movie/249342.json?_v_=yes&offset=0&startTime={}".format(item["startTime"]),callback=self.parse)

setting.py

設置需要配置headers

DEFAULT_REQUEST_HEADERS = {
    "Referer":"http://m.maoyan.com/movie/249342/comments?_v_=yes",
    "User-Agent":"Mozilla/5.0 Chrome/63.0.3239.26 Mobile Safari/537.36",
    "X-Requested-With":"superagent"
}

需要配置一些抓取條件

# Obey robots.txt rules
ROBOTSTXT_OBEY = False
# See also autothrottle settings and docs
DOWNLOAD_DELAY = 1
# Disable cookies (enabled by default)
COOKIES_ENABLED = False

開啟管道

# Configure item pipelines
# See https://doc.scrapy.org/en/latest/topics/item-pipeline.html
ITEM_PIPELINES = {
   'haiwang.pipelines.HaiwangPipeline': 300,
}

items.py
獲取你想要的數據

import scrapy


class HaiwangItem(scrapy.Item):
    # define the fields for your item here like:
    # name = scrapy.Field()
    nickName = scrapy.Field()
    cityName = scrapy.Field()
    content = scrapy.Field()
    score = scrapy.Field()
    startTime = scrapy.Field()
    approve = scrapy.Field()
    reply =scrapy.Field()
    avatarurl = scrapy.Field()

pipelines.py
保存數據,數據存儲到csv文件中

import os
import csv


class HaiwangPipeline(object):
    def __init__(self):
        store_file = os.path.dirname(__file__) + '/spiders/haiwang.csv'
        self.file = open(store_file, "a+", newline="", encoding="utf-8")
        self.writer = csv.writer(self.file)

    def process_item(self, item, spider):
        try:
            self.writer.writerow((
                item["nickName"],
                item["cityName"],
                item["content"],
                item["approve"],
                item["reply"],
                item["startTime"],
                item["avatarurl"],
                item["score"]
            ))

        except Exception as e:
            print(e.args)

        def close_spider(self, spider):
            self.file.close()

begin.py
編寫運行腳本

from scrapy import cmdline
cmdline.execute(("scrapy crawl Haiwang").split())

走起,搞定,等著數據來到,就可以了



您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • onchange 事件 使用字典方式添加數據 一級數據顯示 二級數據聯動 方式一 二級數據聯動 方式二 ...
  • 項目中遇到,某個div容器有背景顏色,並且設置了overflow:auto,當出現滾動條的時候,該div容器的背景顏色沒有鋪滿,只需要給其設置min-height,min-width即可。我們項目中的div容器高度是隨著視窗大小自動修改的,如下: ...
  • 本文由雲+社區發表 作者:前端林子 本文會分別介紹三種CSS實現三欄佈局的方法,可在瀏覽器中打開查看效果 1.方法一:自身浮動的方法 實現方法:需要左欄向左浮動,右欄向右浮動,中間設左右margin來撐開距離 註意:該方法在html佈局時,要把中間欄放在左欄、右欄後面,左欄和右欄的順序不定 實現的效 ...
  • 經常有項目會要求實現iframe高度自適應,如果是同域的還好說,如果是跨域的,父頁面沒有辦法操作子頁面,想要正確獲取子頁面高度的話,可以採用以下辦法: 方法一:使用HTML5 postMessage 實現原理:子頁面檢測頁面高度通過postMessage將值傳給父頁面 父頁面: http://www ...
  • /*子元素浮動,父元素撐開*/ .父元素{ } .父元素:before{ content:""; display:table; } .父元素:after{ content:""; display:table; clear:both; } ...
  • float浮動,用於橫向佈局。 起初的橫向佈局都用display:inline-block,但是這會導致兩個元素之間有空隙,而這是由代碼換行解析成空格的,解決元素間有空隙,空格:font-size:0;,但影響很大。 float浮動會破壞line-box,即浮動元素脫離文檔流(當給一個元素設置浮動了 ...
  • 1. CAP理論的歷史 2000年7月,Eric Brewer教授提出CAP猜想;2年後,Seth Gilbert和Nancy Lynch從理論上證明瞭CAP;之後,CAP理論正式成為分散式計算領域的公認定理。 2. CAP的背景和定義 CAP理論討論的對象是分散式場景。一個分散式系統需要滿足三個最 ...
  • 定義定義一系列演算法,將它們一個個封裝起來,並且使它們可以互相替換,該模式使得演算法可獨立於使用它的客戶而變化。 --《設計模式》GoFUML類圖使用場景一個系統有許多類,而區分它們的只是他們直接的行為時。在有多種演算法相似的情況下,使用if…else…所帶來的複雜和難以維護。關鍵組成部分1,抽象策略角色... ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發(一):使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說,近來想嘗試開發一款安卓APP,考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP,畢竟是使用Visual Studio開發工具,使用起來也比較的順手,結合微軟官方的教程進行了安卓 ...
  • 前言 QuestPDF 是一個開源 .NET 庫,用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫,它徹底改變了我們生成 PDF 文檔的方 ...
  • 項目地址 項目後端地址: https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址: ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址: http://tree ...
  • 話不多說,直接開乾 一.下載 1.官方鏈接下載: https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe,運行開始下載SQL server; 二. ...
  • 前言 隨著物聯網(IoT)技術的迅猛發展,MQTT(消息隊列遙測傳輸)協議憑藉其輕量級和高效性,已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫,為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog支持多種接收器用於日誌存儲,增強器用於添加屬性,LogContext管理動態屬性,支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項,適用於不同需求。 ...
  • 目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據,爬取信息時需要模擬瀏覽器行為,否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下: 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • 1.前言 什麼是熱更新 游戲或者軟體更新時,無需重新下載客戶端進行安裝,而是在應用程式啟動的情況下,在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR,Xlua,ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles,Addressable, ...
  • 本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺,其實像阿裡雲,騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後,它會送 ...
  • 通過以下方式可以高效,並保證數據同步的可靠性 1.API設計 使用RESTful設計,確保API端點明確,並使用適當的HTTP方法(如POST用於創建,PUT用於更新)。 設計清晰的請求和響應模型,以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證,確保接收到的數據符合預期格 ...