jupyter爬取豆瓣电影top250

好的，我可以为您提供一些指导。

首先，您需要安装Python并安装一些需要的库，例如 requests、beautifulsoup4 和 pandas。请确保您已经安装了它们。

接下来，您可以使用 Jupyter Notebook 创建一个新的笔记本。

在第一个单元格中，导入必要的库：

import requests
from bs4 import BeautifulSoup
import pandas as pd

然后，您可以定义一个函数来获取每个电影的信息：

def get_movie_info(url):
    # 发送请求
    response = requests.get(url)
    # 解析HTML
    soup = BeautifulSoup(response.text, 'html.parser')
    # 获取电影标题
    title = soup.select_one('span[property="v:itemreviewed"]').text
    # 获取电影导演和演员
    info = soup.select_one('div[id="info"]')
    director = info.select_one('a[rel="v:directedBy"]').text
    actors = [a.text for a in info.select('a[rel="v:starring"]')]
    # 获取电影评分
    rating = soup.select_one('strong[class="ll rating_num"]').text
    # 获取电影评价人数
    rating_num = soup.select_one('span[property="v:votes"]').text
    # 返回字典
    return {
        'title': title,
        'director': director,
        'actors': actors,
        'rating': rating,
        'rating_num': rating_num
    }

接下来，您可以使用此功能获取所有250部电影的信息：

movies = []
for i in range(0, 250, 25):
    url = f'https://movie.douban.com/top250?start={i}&filter='
    response = requests.get(url)
    soup = BeautifulSoup(response.text, 'html.parser')
    for item in soup.select('div[class="hd"] > a'):
        movie_info = get_movie_info(item['href'])
        movies.append(movie_info)

最后，您可以将数据转换为 Pandas 数据帧：

df = pd.DataFrame(movies)
print(df.head())

这是一个简单的示例，希望对您有所帮助！