这就是说肯定就要把相关的多寡收集下来,比如排名、电影名、导演、主演等信息。

运行爬虫

怎么样运作刚才大家曾经写好的这些小型爬虫呢?

我们可以在quotetutorial目录下,运行命令:scrapy crawl quotes,那条命令将会运作刚刚咱们写好的名为quotes的爬虫,Scrapy会“机智地”帮大家发送请求!

运转结果

可以观望,图中有为数不少有用地消息,比如请求了多少次,请求字节数等等。

查看quotetutorail目录:

多了五个文件,正如代码所示!

末尾,“恬不知耻”地打个广告,在Github上建了一个爬虫学习项目,方今还没写完,感兴趣地同学可以去瞅瞅。地址如下:https://github.com/viljw/PythonSpider

以上。

而豆瓣评分超过9.5的,原来唯有两部:

创造一个工程

在我们开端爬取往日,需要新建一个Scrapy工程。大家可以先进入其他一个你想存放代码的目录,运行命令:scrapy startproject quotetutorial

始建工程

运转成功后,Scrapy将会在当前目录下自行成立一个名为quotetutorial的文件夹,包括如下的结构:

quotetutorial/
    scrapy.cfg            # deploy configuration file

    quotetutorial/             # project's Python module, you'll import your code from here
        __init__.py

        items.py          # project items definition file

        pipelines.py      # project pipelines file

        settings.py       # project settings file

        spiders/          # a directory where you'll later put your spiders
            __init__.py

试了下,这应当是长久事先的音讯了,现在调用API再次回到的数目有些早就没了,而且有调用次数限制,仍然自己写爬虫采集音信呢,就当练练手!

Python爬虫学习(十四)美丽的女孩子写真套图(一)
Python爬虫学习(十五)丽人写真套图(二)

df.sort_values('豆瓣评分',ascending=False).head()
第一个Spider

Spider是一个大家在Scrapy用来爬取网页抓取音信的类(统称为Spider),它必须连续scrapy.Spider,并且定义一些办法及性能才能按需工作。比如,提取哪些音讯,请求什么网址等等。

大家得以进去前边的quotetutorial目录中,运行命令:scrapy genspider quotes quotes.toscrape.com皇冠娱乐场,,Scrapy按照指令帮我们写好了一个Spider,在子目录spider中得以找到一个名为quotes.py的文本,打开查看:

Spider代码

我们将代码改写如下:

import scrapy


class QuotesSpider(scrapy.Spider):
    name = "quotes"

    def start_requests(self):
        urls = [
            'http://quotes.toscrape.com/page/1/',
            'http://quotes.toscrape.com/page/2/',
        ]
        for url in urls:
            yield scrapy.Request(url=url, callback=self.parse)

    def parse(self, response):
        page = response.url.split("/")[-2]
        filename = 'quotes-%s.html' % page
        with open(filename, 'wb') as f:
            f.write(response.body)
        self.log('Saved file %s' % filename)

如你所见,我们的Spider继承了scrapy.Spider,并且定义了有的性能和艺术。

  • name:标识了这些Spider。在一个品种中,每个Spider的名字务必是无可比拟的。
  • start_requests():必须再次回到一个可迭代对象,比如一个伸手的列表或一个生成函数,Scrapy就是从这确定从哪起首爬取的。
  • parse():我们在这些模式中拍卖发出请求后赶回的响应,响应是TextResponse的实例。大家在这一个法子中领到所需要的新闻,或者找到下一个展开爬取的链接。

Python爬虫学习(九)Requests库初探
Python爬虫学习(十)Requests库探探
Python爬虫学习(十一)使用Request爬取猫眼电影名次
Python爬虫学习(十二)selenium来了
Python爬虫学习(十三)使用selenium爬取Taobao商品

Python爬虫学习(一)概述
Python爬虫学习(二)urllib基础运用
Python爬虫学习(三)urllib进阶使用
Python爬虫学习(四)正则表明式
Python爬虫学习(五)爬取电影排名榜及其图片
Python爬虫学习(六)BeautifulSoup来袭
Python爬虫学习(七)爬取淘女郎
Python爬虫学习(八)爬取博客园关注用户

咱俩让其按豆瓣评分排序,并查看名次前五的电影:

我们任重而道远是去抓取:http://quotes.toscrape.com/,这一个网站中的名家名言,下边开头上演:

df.head()

df.tail()

此Scrapy篇首回,这大家就先尝尝鲜,写一个小项目。关于Scrapy的设置,请参考:

Python爬虫学习(一)概述
Python爬虫学习(二)urllib基础运用
Python爬虫学习(三)urllib进阶使用
Python爬虫学习(四)正则表明式
Python爬虫学习(五)爬取电影排名榜及其图片
Python爬虫学习(六)BeautifulSoup来袭
Python爬虫学习(七)爬取淘女郎
Python爬虫学习(八)爬取博客园关注用户

如何在Windows下安装Scrapy
Installation
guide

Python爬虫学习(十四)漂亮的女生写真套图(一)
Python爬虫学习(十五)漂亮的女生写真套图(二)

Python爬虫学习(九)Requests库初探
Python爬虫学习(十)Requests库探探
Python爬虫学习(十一)使用Request爬取猫眼电影排行
Python爬虫学习(十二)selenium来了
Python爬虫学习(十三)使用selenium爬取天猫商品

这就一定使用一下爬虫咯,假若还不会的话,欢迎看在此以前的稿子:

df[df['豆瓣评分']>9.5]

若不想这样麻烦,也提供采集的数码:https://pan.baidu.com/s/1pMAUr6V

当然,你也可以行使豆瓣提供的API接口:https://developers.douban.com/wiki/?title=movie\_v2,提供的多寡相比较完好:

更多分析,请参见:http://blog.csdn.net/yifei301/article/details/77529840?locationNum=3&fps=1

说好的TOP250吧?这即将吐槽一下豆瓣电影TOP250了,有些链接已经没用了,竟然从未改进,比如说排行20的熔炉。

先是,导入要用到的包以及数额:

df['导演'].value_counts()
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_csv('douban.csv')

既是要分析豆类电影TOP250

翻看一下:

以上。

表弟先行一步,补片去了……

机敏如你,肯定做的比我更好!

上榜次数最多的导演们:

下边就起来开展小小的的剖析啦,

相关文章