博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
Python BeautifulSoup不需要cookie登录的状态下,爬取豆瓣电影评论!
阅读量:3962 次
发布时间:2019-05-24

本文共 2173 字,大约阅读时间需要 7 分钟。

Python BeautifulSoup不需要cookie登录的状态下,爬取豆瓣电视剧评论!

什么是cookie呢?

cookie就是在浏览网站时服务器发送到浏览器上的一段数据,并通过用户浏览器存储到计算机硬盘或内存中的数据,主要用来服务器鉴别用户的身份,行为,当然也可以通过cookie来进行商品的推荐,cookie可以记录我们的浏览信息,购物车信息以及收藏夹的信息等等,总之cookie是很重要的,要保护好自己的cookie信息。

一般的情况下我们想要抓取网站上的评论的用户信息需要进行网站的用户登录,拿到cookie才能抓取用户的信息。然后我发现豆瓣电影品论前200好像不需要cookie信息也可以抓取用户信息。

由于最近在看古龙的《天涯明月刀》所以抓取了他的电视剧评论信息,方便爬取就简单的爬取三个字段。

网站:https://movie.douban.com/subject/6393366/comments?status=P

在这里插入图片描述
跳转页码

在这里插入图片描述

#encoding=utf-8#@Project filename:PythonDemo Crawl-movieComments#@IDE   :PyCharm#@Author :ganxiang#@Date   :2020/02/10 0010 20:29import csvimport requestsfrom lxml import etreefrom bs4 import BeautifulSoup# 请求头部headers = {
'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36',}def visit_URL(url,x): res = requests.get(url=url,headers=headers) # print(res.status_code,res.text) soup = BeautifulSoup(res.text,'lxml') # print(soup.encode('gbk','ignore').decode('gbk')) div_comment=soup.find_all(attrs={
'class':'comment'})#找到所有评论的父div with open('./comment.csv','a',newline='',encoding='gb18030')as f: write = csv.writer(f) i = x for c in div_comment: comment= c.find(attrs={
'class':'comment-info'})#找到各一个评论者div的信息 people =comment.find('a') author = people.get_text() # print(str(author).encode('gbk','ignore').decode('gbk')) author_href = people['href'] contents =c.p.span.get_text()#找到p标签下span标签下的评论内容 print("第"+str(i+1)+"评论:"+contents.encode('gbk','ignore').decode('gbk')) row = [author, author_href,contents] write.writerow(row) i+=1if __name__ == '__main__': with open('./comment.csv', 'w', newline='', encoding='gb18030')as f: head = ['author', ' author_href', 'comments'] write = csv.writer(f) write.writerow(head) list = [] for x in range(20, 200, 20): ss = 'start='+str(x)+'&limit=20&sort=new_score&status=P&percent_type=' list.append(ss) url = 'https://movie.douban.com/subject/6393366/comments?{}'.format(ss) print(url) visit_URL(url, x)

结果展示

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

转载地址:http://ohqzi.baihongyu.com/

你可能感兴趣的文章
偶然发现的面包屑
查看>>
每天自动升级你的Centos
查看>>
WDCP v3版本的小工具集
查看>>
CentOS 7 下挂载NTFS文件系统磁盘并设置开机自动挂载
查看>>
Mysql修改最大连接数&重启
查看>>
华为交换机划分vlan
查看>>
CentOS 6.6 搭建Zabbix 3.4.8 过程
查看>>
make: *** No targets specified and no makefile found. Stop.解决方法
查看>>
安装zabbix 3.4版本编译报错configure: error: Unable to use libevent (libevent check failed) 解决办法
查看>>
一行代码更改密码
查看>>
非插件实现cookie版Typecho文章阅读次数统计功能
查看>>
非插件实现Typecho语法高亮
查看>>
windows 下 netsh 实现 端口映射(端口转发)
查看>>
两个好用的命令行工具 watch 和 rsync
查看>>
信安入门神级书单
查看>>
【IPFS指南】IPFS的竞争对手们(一)
查看>>
docker更换国内镜像
查看>>
CentOS 下 tree命令用法详解
查看>>
docker上传镜像至Registry时https报错解决方法
查看>>
安装 docker-compose (实测可用,妈妈再也不用担心被墙了)
查看>>