爬取猫眼电影Top 100榜单：从入门到实战

爬取猫眼电影Top 100榜单：从入门到实战

爬取猫眼电影Top 100榜单：从入门到实战

前提声明

• 爬虫应遵守目标网站的协议，尊重版权和用户隐私。
• 本代码仅供学习和研究使用，不得用于商业用途。
• 请确保在合法合规的前提下使用本代码。
• 本代码所爬取的数据为公开可选择的电影信息。

引言

在当今信息化的时代，数据的获取与分析变得愈发重要。电影行业作为一个充满活力的领域，吸引了大量观众和投资者。猫眼电影作为中国领先的电影票务平台之一，提供了丰富的电影信息和用户评价，成为了研究电影市场趋势和观众偏好的重要数据源。通过抓取猫眼电影的Top 100榜单，开发者可以获取到关于热门电影的详细信息，包括电影的排名、评分、标题、主演和上映时间等。这些数据不仅可以帮助影迷了解当前热门影片，还能为电影制片方、市场分析师和投资者提供有价值的市场洞察。

环境准备

在开始之前，请确保你的开发环境中安装了以下Python库：

• DrissionPage：用于网页抓取。
• DataRecorder：用于记录数据。

如果尚未安装，可以通过以下命令进行安装：

代码语言：javascript代码运行次数：0运行复制

pip install DrissionPage

代码解析

实现步骤

代码语言：javascript代码运行次数：0运行复制

# -*- encoding:utf-8 -*-

• 该行指定了文件的编码格式为utf-8，确保代码中可能出现的中文字符能够被正确处理和显示。

代码语言：javascript代码运行次数：0运行复制

import logging

• 导入Python内置的logging模块，用于记录程序运行过程中的日志信息，方便后续的调试和分析。

代码语言：javascript代码运行次数：0运行复制

from DrissionPage import ChromiumPage
from DataRecorder import Recorder

• 从DrissionPage库中导入ChromiumPage类，用于创建页面对象，实现对网页的访问和操作。
• 从DataRecorder库中导入Recorder类，用于创建记录器对象，将爬取到的数据记录到CSV文件中。

代码语言：javascript代码运行次数：0运行复制

# 设置日志记录器
logging.basicConfig(
    filename='data.log',
    encoding='utf-8',
    level=logging.DEBUG,
    format='%(asctime)s - %(levelname)s - %(message)s'
)

• 配置日志记录器的基本设置：
  • filename='data.log'：指定日志文件的名称为data.log，所有日志信息将被写入该文件。
  • encoding='utf-8'：设置日志文件的编码格式为utf-8，确保中文字符能够被正确记录。
  • level=logging.DEBUG：设置日志级别为DEBUG，表示记录所有级别的日志信息，包括调试信息、警告信息、错误信息等。
  • format='%(asctime)s - %(levelname)s - %(message)s'：定义日志的格式，其中%(asctime)s表示日志记录的时间，%(levelname)s表示日志的级别，%(message)s表示日志的具体内容。

代码语言：javascript代码运行次数：0运行复制

# 创建页面对象
page = ChromiumPage()

• 使用ChromiumPage类创建一个页面对象page，该对象将用于后续的网页访问和操作。

代码语言：javascript代码运行次数：0运行复制

# 创建记录器对象
recorder = Recorder('')

• 使用Recorder类创建一个记录器对象recorder，指定记录数据的文件名为，该对象将用于将爬取到的电影信息写入CSV文件中。

代码语言：javascript代码运行次数：0运行复制

# 访问网页
page.get('')

• 使用页面对象page的get方法访问猫眼电影Top 100榜单页面，URL为。

代码语言：javascript代码运行次数：0运行复制

while True:

• 开始一个无限循环，用于遍历猫眼电影Top 100榜单的所有页面，直到没有下一页为止。

代码语言：javascript代码运行次数：0运行复制

    # 遍历页面上所有 dd 元素
    for mov in ('t:dd'):

• 使用页面对象page的eles方法查页面上所有的<dd>元素，并遍历这些元素。每个<dd>元素代表一个电影条目。

代码语言：javascript代码运行次数：0运行复制

        # 获取所需的信息
        num = mov('t:i').text
        score = mov('.score').text
        title = mov('@data-act=boarditem-click').attr('title')
        star = mov('.star').text
        time = mov('.releasetime').text

• 对于每个电影条目（<dd>元素），提取所需的信息：
  • num：电影的排名，通过查<i>标签并获取其文本内容得到。
  • score：电影的评分，通过查.score类的元素并获取其文本内容得到。
  • title：电影的标题，通过查具有data-act="boarditem-click"属性的元素并获取其title属性值得到。
  • star：电影的主演信息，通过查.star类的元素并获取其文本内容得到。
  • time：电影的上映时间，通过查.releasetime类的元素并获取其文本内容得到。

代码语言：javascript代码运行次数：0运行复制

        # 写入到记录器
        recorder.add_data((num, title, star, time, score))

• 将提取到的电影信息（排名、标题、主演、上映时间、评分）作为一个元组，通过记录器对象recorder的add_data方法添加到记录器中，以便后续写入CSV文件。

代码语言：javascript代码运行次数：0运行复制

        # 记录中文信息
        logging.debug(f'记录电影信息: {num}, {title}, {star}, {time}, {score}')

• 使用logging.debug方法记录电影信息到日志文件中，方便调试和分析。日志内容包括电影的排名、标题、主演、上映时间和评分。

代码语言：javascript代码运行次数：0运行复制

    # 获取下一页按钮，有就点击
    btn = page('下一页', timeout=2)
    if btn:
        ()
        page.wait.load_start()  # 等待页面加载
    else:
        break

• 尝试查页面上的“下一页”按钮，如果到，则点击该按钮并等待新页面加载，以便继续爬取下一页的电影信息。
• 如果没有到“下一页”按钮，则跳出循环，表示已经爬取完所有页面。

代码语言：javascript代码运行次数：0运行复制

# 记录数据
recorder.record()

• 使用记录器对象recorder的record方法将所有记录的数据写入CSV文件中，完成数据的存储。

注意事项

1. 合规性：确保爬虫行为遵守目标网站的协议。
2. 版权问题：尊重版权，仅将此技术用于个人学习和研究。
3. 数据存储：确保CSV文件的路径正确，避免数据丢失。

效果展示 运行过程

image.png

运行结果

image.png

data.log

image.png

在这里插入图片描述

结语

在这个数据驱动的时代，对电影行业而言，理解观众的偏好和市场动态变得尤为重要。通过这篇文章，我们不仅探索了如何使用Python的DrissionPage库进行网页抓取，还实际操作了从猫眼电影Top 100榜单获取电影信息的过程。这不仅是对网页抓取技术实战应用的一次演练，更是深入分析电影市场的一个关键步骤。

通过这些数据，我们能够洞察到哪些电影受到广泛欢迎，它们的评分如何，主演是谁，以及它们的上映时间等关键信息。这些信息对于电影制片方来说，是调整制作策略、优化营销方案的宝贵资源。对于市场分析师和投资者而言，这些数据提供了市场趋势的直观展示，有助于他们做出更为精准的决策。

文章中，我们详细介绍了如何设置日志记录器、创建页面对象、访问目标网页、遍历页面元素、提取所需信息、记录数据到CSV文件以及日志文件的全过程。这些步骤不仅涵盖了技术实现的细节，还强调了在爬虫实践中应当遵守的合规性和版权问题。我们强调，所有的数据抓取活动都应当在尊重目标网站规则和保护用户隐私的前提下进行。

通过实践，我们不仅提升了技术能力，还增强了对电影市场的理解和分析能力。这些技能在未来的学习和工作中都将发挥重要作用。我们鼓励读者将所学应用到更多有趣和有益的项目中去，不断探索和创新。

最后，我们希望读者能够意识到，技术的力量是巨大的，但它也需要被正确和负责任地使用。在享受技术带来的便利的同时，我们也应该承担起保护数据安全和用户隐私的责任。让我们一起努力，为构建一个更加健康、有序的网络环境贡献自己的力量。

在未来，随着技术的不断进步，我们可以预见，数据抓取和分析将在更多领域发挥重要作用。让我们保持学习的热情，不断探索新的技术和方法，以适应这个快速变化的世界。如果你对本文有任何疑问，或者想要进一步讨论相关话题，欢迎随时与我们联系。让我们一起期待，技术将如何塑造我们的未来。

全部代码

代码语言：javascript代码运行次数：0运行复制

# -*- encoding:utf-8 -*-
import logging
from DrissionPage import ChromiumPage
from DataRecorder import Recorder

# 设置日志记录器
logging.basicConfig(
    filename='data.log',
    encoding='utf-8',
    level=logging.DEBUG,
    format='%(asctime)s - %(levelname)s - %(message)s'
)

# 创建页面对象
page = ChromiumPage()
# 创建记录器对象
recorder = Recorder('')

# 访问网页
page.get('')

while True:
    # 遍历页面上所有 dd 元素
    for mov in ('t:dd'):
        # 获取所需的信息
        num = mov('t:i').text
        score = mov('.score').text
        title = mov('@data-act=boarditem-click').attr('title')
        star = mov('.star').text
        time = mov('.releasetime').text

        # 写入到记录器
        recorder.add_data((num, title, star, time, score))

        # 记录中文信息
        logging.debug(f'记录电影信息: {num}, {title}, {star}, {time}, {score}')

    # 获取下一页按钮，有就点击
    btn = page('下一页', timeout=2)
    if btn:
        ()
        page.wait.load_start()  # 等待页面加载
    else:
        break

# 记录数据
recorder.record()

总结

在数字化时代，电影行业的数据获取与分析变得尤为重要。本文介绍了如何使用Python的DrissionPage库从猫眼电影Top 100榜单抓取电影信息，包括电影的排名、评分、标题、主演和上映时间等。通过这些数据，我们可以深入了解观众的偏好和市场动态，为电影制作和营销策略提供数据支持。本文不仅提供了详细的代码实现步骤，还强调了合规性和版权问题，确保爬虫技术的安全和合法使用。希望读者能够将所学应用到更多有趣和有益的项目中去，为电影行业的发展贡献自己的力量。如果有任何问题或需要进一步的帮助，请随时联系作者。让我们一起探索技术的无限可能！

本文参与 腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。 原始发表：2025-01-07，如有侵权请联系 cloudcommunity@tencent 删除前往查看遍历对象日志入门数据