用python抓取豆瓣电影top250,写入数据库,并实现可视化

时间: 2023-08-15 22:33:48 浏览: 58
好的,以下是抓取豆瓣电影Top250并写入数据库的Python代码: ```python import requests from bs4 import BeautifulSoup import sqlite3 url = 'https://movie.douban.com/top250' headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3'} movies = [] for i in range(0, 250, 25): params = {'start': str(i), 'filter': ''} response = requests.get(url, headers=headers, params=params) soup = BeautifulSoup(response.text, 'html.parser') movie_list = soup.find('ol', class_='grid_view').find_all('li') for movie in movie_list: title = movie.find('span', class_='title').text rating_num = movie.find('span', class_='rating_num').text quote = movie.find('span', class_='inq').text if movie.find('span', class_='inq') else '' movies.append({'title': title, 'rating_num': rating_num, 'quote': quote}) conn = sqlite3.connect('movies.db') cursor = conn.cursor() cursor.execute('CREATE TABLE IF NOT EXISTS top250 (title TEXT, rating_num REAL, quote TEXT)') for movie in movies: cursor.execute('INSERT INTO top250 (title, rating_num, quote) VALUES (?, ?, ?)', (movie['title'], movie['rating_num'], movie['quote'])) conn.commit() conn.close() ``` 这段代码会使用 requests 库向豆瓣电影Top250的网站发送请求,然后使用 BeautifulSoup 库对网页进行解析,最后把电影的标题、评分和引用语存储到 SQLite 数据库中。 接下来是实现可视化的Python代码,使用了 Matplotlib 库: ```python import sqlite3 import matplotlib.pyplot as plt conn = sqlite3.connect('movies.db') cursor = conn.cursor() cursor.execute('SELECT rating_num, COUNT(*) FROM top250 GROUP BY rating_num') data = cursor.fetchall() conn.close() x = [d[0] for d in data] y = [d[1] for d in data] plt.bar(x, y) plt.xlabel('Rating') plt.ylabel('Count') plt.title('Top 250 Movies on Douban') plt.show() ``` 这段代码会从 SQLite 数据库中读取每个评分的电影数量,然后使用 Matplotlib 库绘制条形图来展示。运行后会弹出一个可视化窗口,展示所有评分的电影数量。

相关推荐

最新推荐

recommend-type

【Python】豆瓣电影TOP250数据规律分析(Pearson相关系数、折线图、条形图、直方图)

1、数据集预览 原创文章 113获赞 137访问量 7万+ 关注 私信 展开阅读全文 作者:Vivid-victory
recommend-type

Python爬取数据并实现可视化代码解析

主要介绍了Python爬取数据并实现可视化代码解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
recommend-type

Python实现读写sqlite3数据库并将统计数据写入Excel的方法示例

主要介绍了Python实现读写sqlite3数据库并将统计数据写入Excel的方法,涉及Python针对sqlite3数据库的读取及Excel文件相关操作技巧,需要的朋友可以参考下
recommend-type

python实现可视化动态CPU性能监控

主要为大家详细介绍了python可视化动态CPU性能监控,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
recommend-type

Python3实现将本地JSON大数据文件写入MySQL数据库的方法

主要介绍了Python3实现将本地JSON大数据文件写入MySQL数据库的方法,涉及Python针对json大数据文件的逐行读取、mysql数据库写入等相关操作技巧,需要的朋友可以参考下
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

【实战演练】MATLAB用遗传算法改进粒子群GA-PSO算法

![MATLAB智能算法合集](https://static.fuxi.netease.com/fuxi-official/web/20221101/83f465753fd49c41536a5640367d4340.jpg) # 2.1 遗传算法的原理和实现 遗传算法(GA)是一种受生物进化过程启发的优化算法。它通过模拟自然选择和遗传机制来搜索最优解。 **2.1.1 遗传算法的编码和解码** 编码是将问题空间中的解表示为二进制字符串或其他数据结构的过程。解码是将编码的解转换为问题空间中的实际解的过程。常见的编码方法包括二进制编码、实数编码和树形编码。 **2.1.2 遗传算法的交叉和
recommend-type

openstack的20种接口有哪些

以下是OpenStack的20种API接口: 1. Identity (Keystone) API 2. Compute (Nova) API 3. Networking (Neutron) API 4. Block Storage (Cinder) API 5. Object Storage (Swift) API 6. Image (Glance) API 7. Telemetry (Ceilometer) API 8. Orchestration (Heat) API 9. Database (Trove) API 10. Bare Metal (Ironic) API 11. DNS
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。