這篇文章主要介紹了python requests庫爬取豆瓣電視劇數據並保存到本地詳解,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下
首先要做的就是去豆瓣網找對應的接口，這裏就不贅述了，谷歌瀏覽器抓包即可，然後要做的就是分析返回的json數據的結構：
這是接口地址，可以大概的分析一下各個參數的規則：
- type=tv，表示的是電視劇的分類
- tag=國產劇，表示是國產劇的分類
- sort參數，這裏猜測是一個排序方式
- page_limit=20，這個一定就是每頁所存取的數據數量了
- page_start=0，表示的是這頁從哪條數據開始，比如第二頁就爲page_start=20，第三頁爲page_start=40，以此類推
- 最終我們要用到的主要是page_start和page_limit兩個參數
下面這裏是返回的json數據格式，可以看出我們要的是json中subjects列表中的每條數據，在之後的程序中會把每一個電視劇的信息保存到文件裏的一行
有了這些，就直接上程序了，因爲感覺程序還是比較好懂，主要還是遵從面向對象的程序設計：
import json
import requests
class DoubanSpider(object):
"""爬取豆瓣熱門國產電視劇的數據並保存到本地"""
def __init__(self):
# url_temp中的start的值是動態的，所以這裏用{}替換，方便後面使用format方法
self.url_temp = 'https://movie.douban.com/j/search_subjects?type=tv&tag=%E5%9B%BD%E4%BA%A7%E5%89%A7&sort=recommend&page_limit=20&page_start={}'
self.headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.100 Safari/537.36',
}
def pass_url(self, url): # 發送請求，獲取響應
print(url)
response = requests.get(url, headers=self.headers)
return response.content.decode()
def get_content_list(self, json_str): # 提取數據
dict_ret = json.loads(json_str)
content_list = dict_ret['subjects']
return content_list
def save_content_list(self, content_list): # 保存
with open('douban.txt', 'a', encoding='utf-8') as f:
for content in content_list:
f.write(json.dumps(content, ensure_ascii=False)) # 一部電視劇的信息一行
f.write('\n') # 寫入換行符進行換行
print('保存成功！')
def run(self): # 實現主要邏輯
num = 0
while True:
# 1. start_url
url = self.url_temp.format(num)
# 2. 發送請求，獲取響應
json_str = self.pass_url(url)
# 3. 提取數據
content_list = self.get_content_list(json_str)
# 4. 保存
self.save_content_list(content_list)
if len(content_list) < 20:
break
# 5. 構造下一頁url地址，進入循環
num += 20 # 每一頁有二十條數據
if __name__ == '__main__':
douban_spider = DoubanSpider()
douban_spider.run()
上面是利用循環遍歷每一頁，後來我又想到用遞歸也可以，雖然遞歸效率可能不高，這裏還是展示一下，只需要改幾個地方而已：
import json
import requests
class DoubanSpider(object):
"""爬取豆瓣熱門國產電視劇的數據並保存到本地"""
def __init__(self):
# url_temp中的start的值是動態的，所以這裏用{}替換，方便後面使用format方法
self.url_temp = 'https://movie.douban.com/j/search_subjects?type=tv&tag=%E5%9B%BD%E4%BA%A7%E5%89%A7&sort=recommend&page_limit=20&page_start={}'
self.headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.100 Safari/537.36',
}
self.num = 0
def pass_url(self, url): # 發送請求，獲取響應
print(url)
response = requests.get(url, headers=self.headers)
return response.content.decode()
def get_content_list(self, json_str): # 提取數據
dict_ret = json.loads(json_str)
content_list = dict_ret['subjects']
return content_list
def save_content_list(self, content_list): # 保存
with open('douban2.txt', 'a', encoding='utf-8') as f:
for content in content_list:
f.write(json.dumps(content, ensure_ascii=False)) # 一部電視劇的信息一行
f.write('\n') # 寫入換行符進行換行
print('保存成功！')
def run(self): # 實現主要邏輯
# 1. start_url
url = self.url_temp.format(self.num)
# 2. 發送請求，獲取響應
json_str = self.pass_url(url)
# 3. 提取數據
content_list = self.get_content_list(json_str)
# 4. 保存
self.save_content_list(content_list)
# 5. 構造下一頁url地址，進入循環
if len(content_list) == 20:
self.num += 20 # 每一頁有二十條數據
self.run()
if __name__ == '__main__':
douban_spider = DoubanSpider()
douban_spider.run()
最終文件得到的結果：
以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持神馬文庫。