jupyter爬取豆瓣电影
时间: 2024-10-12 14:08:06 浏览: 100
陈俊辉数据分析实例 - Jupyter Notebook.pdf
Jupyter Notebook是一个交互式的计算环境,通常用于数据科学和机器学习项目,包括Web爬虫。如果你想使用Jupyter爬取豆瓣电影的数据,可以按照以下步骤操作:
1. 安装必要的库:首先,你需要安装`requests`、`BeautifulSoup`或`selenium`等用于网络请求和解析HTML的Python库。如果你打算抓取动态加载的内容,可能还需要`webdriver_manager`(针对Selenium)。
```python
!pip install requests beautifulsoup4
```
2. 导入库并导入模块:
```python
import requests
from bs4 import BeautifulSoup
```
3. 编写爬虫函数:
- 使用`requests.get`获取网页内容:
```python
def get_html(url):
response = requests.get(url)
if response.status_code == 200:
return response.text
else:
print(f"Failed to fetch data from {url}")
# 豆瓣电影的URL(这里只是一个示例,需要查找实际的API地址或搜索页面)
douban_movie_url = "https://movie.douban.com/top250"
html_content = get_html(douban_movie_url)
```
- 解析HTML内容,提取所需信息,比如电影标题和评分。这一步可能需要用到BeautifulSoup解析DOM树:
```python
soup = BeautifulSoup(html_content, 'lxml')
movies = soup.find_all('div', class_='hd') # 查找电影标题所在的元素
data = []
for movie in movies:
title = movie.find('span', class_='title').text # 获取电影名
rating = movie.find('span', class_='rating_num').text # 获取评分
data.append((title, rating))
```
4. 将结果保存或展示:你可以选择将数据存储到CSV文件、数据库,或直接打印出来查看。
注意:遵守网站的robots.txt规则,并尊重版权。实时爬取可能会受到限制,考虑使用豆瓣或其他提供公开API的数据源,如豆瓣开放平台。
阅读全文