python爬取豆瓣影评存数据库【新手必入】

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了python爬取豆瓣影评存数据库【新手必入】，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含3942字，纯文字阅读大概需要6分钟。

内容图文

效果展示

需要用到的库

import requests
from time import sleep
from lxml import etree
import pymysql

首先看看我们要爬的页面链接

https://movie.douban.com/subject/30313969/comments?start=0&limit=20&status=P&sort=new_score

 这个链接只是第一页，我们要爬取所有的数据，就必须翻页一页一页的爬

我们先看看第二页的网页链接

https://movie.douban.com/subject/30313969/comments?start=20&limit=20&status=P&sort=new_score

我们发现 ?start= 这个地方出现了变化，从0 变成了 20 其他都没变， start中文意思是开始，简单分析可得，一页有二十个评论，所以后面的按照 ?start=40，?start=60 依次递增

可以写个for循环实现，也不爬取太多，前200个评论即可 

for i in range(0,220,20):
    #转为字符串类型
    i = str(i)
    #将i代入
    url = 'https://movie.douban.com/subject/30313969/comments?start='+i+'&limit=20&status=P&sort=new_score'

添加UA伪装请求头 

# UA伪装请求头
header = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chromeh/81.0.4044.138 Safari/537.36'
}

按F12查看网页源代码，并分析数据

使用xpath进行数据爬取

for i in range(0,220,20):
    #转为字符串类型
    i = str(i)
    #将i代入
    url = 'https://movie.douban.com/subject/30313969/comments?start='+i+'&limit=20&status=P&sort=new_score'

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

    tree = etree.HTML(response)

    ul = tree.xpath('//div[@class="comment"]')

    #遍历二十个存储评论信息的div
    for li in ul:

        #网名
        name = li.xpath('.//span[@class="comment-info"]/a/text()')[0]

        #评价
        rating = li.xpath('.//span[@class="comment-info"]/span[2]/@title')[0]

        # 评论时间  # 评论时间  这里会有换行和许多空格
        timed = li.xpath('.//span[@class="comment-info"]/span[3]/text()')[0]
        #去掉空格
        times = timed.replace(" ",'')
        #去掉换行
        time = times.replace("\n", "")

        #评论
        comment = li.xpath('.//span[@class="short"]/text()')[0]
        
        print('网名：',name,'  评价：',rating,'  时间：',time,'  评论：',comment)

接下来开始存入数据库

在数据库里创建一个叫douban的库，再创建一个叫data的表用于存放数据

存入数据库

#连接数据库
conn = pymysql.connect(host='localhost', port=3306, user='数据库用户名', passwd='数据库密码', database='douban',charset='utf8')
# 生成游标对象
cur = conn.cursor()
#使用添加语句
sql1 = "INSERT INTO data VALUES (%s,%s,%s,%s)"
#这里写上sql1的四个%s对应的值
da = [name,rating,time,comment] #[网名,评价,时间,评论]
try:
    cur.execute(sql1, da)  # 执行插入的sql语句
    conn.commit()  # 提交到数据库执行
except Exception:
    # 发生错误时回滚
    conn.rollback()
    print("出现错误/可能与重复的值有关")
conn.close()  # 关闭数据库连接

完整代码

import requests
from time import sleep
from lxml import etree
import pymysql


# UA伪装请求头
header = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chromeh/81.0.4044.138 Safari/537.36'
}

for i in range(0,200,20):
    #转为字符串类型
    i = str(i)
    #将i代入
    url = 'https://movie.douban.com/subject/30313969/comments?start='+i+'&limit=20&status=P&sort=new_score'

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

    tree = etree.HTML(response)

    ul = tree.xpath('//div[@class="comment"]')

    #遍历二十个存储评论信息的div
    for li in ul:

        #网名
        name = li.xpath('.//span[@class="comment-info"]/a/text()')[0]

        #评价
        rating = li.xpath('.//span[@class="comment-info"]/span[2]/@title')[0]

        # 评论时间  # 评论时间  这里会有换行和许多空格
        timed = li.xpath('.//span[@class="comment-info"]/span[3]/text()')[0]
        #去掉空格
        times = timed.replace(" ",'')
        #去掉换行
        time = times.replace("\n", "")

        #评论
        comment = li.xpath('.//span[@class="short"]/text()')[0]

        #连接数据库
        conn = pymysql.connect(host='localhost', port=3306, user='数据库用户名', passwd='数据库密码', database='douban',charset='utf8')
        # 生成游标对象
        cur = conn.cursor()
        #使用添加语句
        sql1 = "INSERT INTO data VALUES (%s,%s,%s,%s)"
        #这里写上sql1的四个%s对应的值
        da = [name,rating,time,comment] #[网名,评价,时间,评论]
        try:
            cur.execute(sql1, da)  # 执行插入的sql语句
            conn.commit()  # 提交到数据库执行
        except Exception:
            # 发生错误时回滚
            conn.rollback()
            print("出现错误/可能与重复的值有关")
        conn.close()  # 关闭数据库连接

    #做一个进度条显示进度
    i = int(i)
    print("已将%s条评论存入数据库中"%i)

内容总结

以上是互联网集市为您收集整理的python爬取豆瓣影评存数据库【新手必入】全部内容，希望文章能够帮你解决python爬取豆瓣影评存数据库【新手必入】所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端