豆瓣电影Top250的R语言爬虫代码

好的，以下是豆瓣电影Top250的R语言爬虫代码，需要使用到rvest和httr这两个包：

# 安装需要的R包
install.packages("rvest")
install.packages("httr")

library(rvest)
library(httr)

# 定义一个函数，用于获取电影页面的HTML代码
get_movie_html <- function(start) {
  url <- paste0("https://movie.douban.com/top250?start=", start)
  html <- GET(url, user_agent("Mozilla/5.0"))
  content(html, "text")
}

# 定义一个函数，用于从电影页面的HTML代码中提取电影信息
get_movie_info <- function(html) {
  movie_list <- read_html(html) %>%
    html_nodes(".grid_view .item")

  movie_info <- lapply(movie_list, function(movie) {
    title <- movie %>% html_nodes(".title") %>% html_text()
    rating_num <- movie %>% html_nodes(".rating_num") %>% html_text()
    quote <- movie %>% html_nodes(".inq") %>% html_text()

    list(title = title, rating_num = rating_num, quote = quote)
  })

  movie_info <- do.call(rbind, movie_info)
  movie_info
}

# 爬取前250部电影的信息
movie_info <- lapply(seq(0, 225, 25), function(start) {
  html <- get_movie_html(start)
  movie_info <- get_movie_info(html)
  Sys.sleep(2)
  movie_info
})

movie_info <- do.call(rbind, movie_info)

上述代码中，我们首先定义了两个函数：`get_movie_html()`用于获取电影页面的HTML代码，`get_movie_info()`用于从HTML代码中提取电影信息。然后使用`lapply()`函数遍历前10页电影页面的URL，获取电影信息，并将结果保存在一个列表中。最后将所有结果合并为一个数据框。

需要注意的是，在爬取电影页面时，我们需要加上`user_agent("Mozilla/5.0")`这个参数，以模拟浏览器访问，否则可能会被豆瓣网站拒绝访问。

此外，为了避免被反爬虫机制识别，我们在每次请求之后加上了`Sys.sleep(2)`函数，表示每次请求后暂停2秒钟，以减缓访问速度。