Python：女神说周末看电影，于是我把热门电影爬了遍，看看女神喜欢哪一部

一、前言

好不容易女神喊我去看电影，但是她又不知道看啥，那么我当然得准备准备~

二、前期准备 1、使用的软件

• python 3.8 开源 免费的 (统一 3.8)
• Pycharm YYDS python最好用的编辑器 不接受反驳… 软件我都放这了： 软件工具等等

2、需要用的模块

requests >>> 数据请求模块 pip install requests
parsel   >>> 数据解析模块 pip install parsel
csv

3、模块安装问题

模块安装问题:

1)、如何安装python第三方模块:

第一种：win + R 输入 cmd 点击确定, 输入安装命令 pip install 模块名 (pip install requests) 回车。 第二种：在pycharm中点击Terminal(终端) 输入安装命令

2)安装失败原因:

第一种: pip 不是内部命令 解决方法: 设置环境变量

第二种: 出现大量报红 (read time out) 解决方法: 因为是网络链接超时, 需要切换镜像源。

清华：https://pypi.tuna.tsinghua.edu.cn/simple
阿里云：http://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
华中理工大学：http://pypi.hustunique.com/
山东理工大学：http://pypi.sdutlinux.org/
豆瓣：http://pypi.douban.com/simple/
例如：pip3 install -i https://pypi.doubanio.com/simple/ 模块名

第三种: cmd里面显示已经安装过了, 或者安装成功了, 但是在pycharm里面还是无法导入。

解决方法: 可能安装了多个python版本 (anaconda 或者 python 安装一个即可) 卸载一个就好，或者你pycharm里面python解释器没有设置好。

4、如何配置pycharm里面的python解释器?

如何配置pycharm里面的python解释器?

1. 选择file(文件) >>> setting(设置) >>> Project(项目) >>> python interpreter(python解释器)
2. 点击齿轮, 选择add
3. 添加python安装路径

5、pycharm如何安装插件?

1. 选择file(文件) >>> setting(设置) >>> Plugins(插件);
2. 点击 Marketplace 输入想要安装的插件名字 比如:翻译插件 输入 translation;
3. 选择相应的插件点击 install(安装) 即可;
4. 安装成功之后 是会弹出 重启pycharm的选项 点击确定, 重启即可生效;

三、思路

爬虫获取数据是要分析服务器返回的数据内容，无论你爬取任何网站数据，都是可以按照这个几步骤来。

1、明确需求

我们要爬取的内容是什么 https://movie.douban.com/top250，要分析我们的想要数据, 可以从哪里获取/哪里来的… (数据来源分析)

用开发者工具进行抓包(数据包)分析，静态网页/网页上面看到的数据内容，在网页源代码里面都有。

2、发送请求

开发者工具里面headers ，对于那个网址发送请求，发送什么样的请求，携带那些请求头参数。

3、获取数据

获取服务器返回的数据内容，看服务器数据格式是什么样的，或者说我们想要的数据是什么样的； 获取文本数据 response.text 获取服务器json字典数据 response.json() 获取二进制数据 response.content 保存视频/音频/图片/特定格式的文件内容， 都是获取二进制数据；

4、解析数据

提供我们想要的数据内容

5、保存数据

保存本地

四、代码部分

import requests  # 数据请求模块 pip install requests
import parsel  # 数据解析模块 pip install parsel
import csv  # 保存表格数据

f = open('豆瓣数据.csv', mode='a', encoding='utf-8', newline='')
# 快速批量替换 全选内容 使用正则表达式 替换内容
csv_writer = csv.DictWriter(f, fieldnames=[
    '电影名字',
    '导演',
    '主演',
    '年份',
    '国家',
    '电影类型',
    '评论人数',
    '评分',
    '概述',
    '详情页',
])
csv_writer.writeheader()
for page in range(0, 250, 25):
    url = f'https://movie.douban.com/top250?start={page}&filter='
    # headers 请求头 用来伪装python代码 为了防止爬虫程序被服务器识别出来,
    # User-Agent 浏览器的基本标识 用户代理 直接复制粘贴的
    # 披着羊皮的狼  爬虫程序 >>> 狼  headers >>> 羊皮  服务器数据 >>> 羊圈
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.45 Safari/537.36'
    }
    # 发送请求 get
    # 通过requests数据请求模块里面get请求方法 对于 url以及发送请求并且携带header请求头, 最后用response变量接收返回数据
    response = requests.get(url=url, headers=headers)
    # 获取数据
    # print(response.text)
    # 解析数据 re正则表达式 css选择器 xpath 那一种更方便 更加舒服 就用哪一个
    # json 键值对取值
    # 提取我们想要的数据内容
    # 把获取下来的 response.text 网页字符串数据 转成selector 对象
    selector = parsel.Selector(response.text)
    #