用Python网络爬虫来看看最近电影院都有哪些上映的电影

 1 前言

猫眼电影是淘宝联合打造电影分类最全的电影的平台，能够第一时间告知用户，最新的电影上线时间。今天教大家获取猫眼电影的即将上映的电影详情。

2 项目目标

获取猫眼电影的即将上映的电影详情。

3 项目准备

软件：PyCharm

需要的库：requests、lxml、random、time

插件：Xpath

网站如下：

https://maoyan.com/films?showType=2&offset={} 

点击下一页的按钮，观察到网站的变化分别如下：

https://maoyan.com/films?showType=2&offset=30  


https://maoyan.com/films?showType=2&offset=60  

https://maoyan.com/films?showType=2&offset=90 

点击下一页时，页面每增加一页offset=()每次增加30，所以可以用{}代替变换的变量，再用for循环遍历这网址，实现多个网址请求。

4 项目实现

1、定义一个class类继承object，定义init方法继承self，主函数main继承self。导入需要的库和网址，代码如下所示。

import requests  


from lxml import etree  


import time  


import random  


class MaoyanSpider(object):  


    def __init__(self):  


      self.url = "https://maoyan.com/films?showType=2&offset={}"  


    def main(self):  


        pass  


if __name__ == '__main__':  


    spider = MaoyanSpider()  

    spider.main() 

2、随机产生UserAgent。

for i in range(1, 50):  


   # ua.random,一定要写在这里,每次请求都会随机选择。  

       self.headers = { 

            'User-Agent': ua.random,  

       } 

3、发送请求，获取页面响应。

def get_page(self, url):  


  # random.choice一定要写在这里,每次请求都会随机选择  


  res = requests.get(url, headers=self.headers)  

  res.encoding = 'utf-8' 

  html = res.text  

  self.parse_page(html) 

4、xpath解析一级页面数据，获取页面信息。

1）基准xpath节点对象列表。

# 　创建解析对象  


parse_html = etree.HTML(html)  


# 基准xpath节点对象列表  

dd_list = parse_html.xpath('//dl[@class="movie-list"]//dd') 

2）依次遍历每个节点对象，提取数据。

for dd in dd_list:  


   name = dd.xpath('.//div[@class="movie-hover-title"]//span[@class="name noscore"]/text()')[0].strip()  


   star = dd.xpath('.//div[@class="movie-hover-info"]//div[@class="movie-hover-title"][3]/text()')[1].strip()  


   type = dd.xpath('.//div[@class="movie-hover-info"]//div[@class="movie-hover-title"][2]/text()')[1].strip()  


   dowld=dd.xpath('.//div[@class="movie-item-hover"]/a/@href')[0].strip()  


   # print(movie_dict)  

   movie = '''【即将上映】 

5、定义movie，保存打印数据。

 movie = '''【即将上映】         

 电影名字: %s  


主演：%s  


类型：%s  


详情链接：https://maoyan.com%s  


=========================================================  


                                   ''' % (name, star, type,dowld)  

print( movie) 

6、random.randint()方法，设置时间延时。

time.sleep(random.randint(1, 3)) 

7、调用方法，实现功能。

html = self.get_page(url)  

self.parse_page(html) 

5 效果展示

1、点击绿色小三角运行输入起始页，终止页。

2、运行程序后，结果显示在控制台，如下图所示。

3、点击蓝色下载链接, 网络查看详情。

6 小结

1、不建议抓取太多数据，容易对服务器造成负载，浅尝辄止即可。

2、本文基于Python网络爬虫，利用爬虫库，实现爬取猫眼电影。