这是接口地址,可以大概的分析一下各个参数的规则:
1 import json 2 import requests 3 4 5 class DoubanSpider(object): 6 """爬取豆瓣热门国产电视剧的数据并保存到本地""" 7 8 def __init__(self): 9 # url_temp中的start的值是动态的,所以这里用{}替换,方便后面使用format方法 10 self.url_temp = ‘https://movie.douban.com/j/search_subjects?type=tv&tag=%E5%9B%BD%E4%BA%A7%E5%89%A7&sort=recommend&page_limit=20&page_start={}‘ 11 self.headers = { 12 ‘User-Agent‘: ‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.100 Safari/537.36‘, 13 } 14 15 def pass_url(self, url): # 发送请求,获取响应 16 print(url) 17 response = requests.get(url, headers=self.headers) 18 return response.content.decode() 19 20 def get_content_list(self, json_str): # 提取数据 21 dict_ret = json.loads(json_str) 22 content_list = dict_ret[‘subjects‘] 23 return content_list 24 25 def save_content_list(self, content_list): # 保存 26 with open(‘douban.txt‘, ‘a‘, encoding=‘utf-8‘) as f: 27 for content in content_list: 28 f.write(json.dumps(content, ensure_ascii=False)) # 一部电视剧的信息一行 29 f.write(‘\n‘) # 写入换行符进行换行 30 print(‘保存成功!‘) 31 32 33 def run(self): # 实现主要逻辑 34 num = 0 35 while True: 36 # 1. start_url 37 url = self.url_temp.format(num) 38 # 2. 发送请求,获取响应 39 json_str = self.pass_url(url) 40 # 3. 提取数据 41 content_list = self.get_content_list(json_str) 42 # 4. 保存 43 self.save_content_list(content_list) 44 if len(content_list) < 20: 45 break 46 # 5. 构造下一页url地址,进入循环 47 num += 20 # 每一页有二十条数据 48 49 50 if __name__ == ‘__main__‘: 51 douban_spider = DoubanSpider() 52 douban_spider.run()
1 import json 2 import requests 3 4 5 class DoubanSpider(object): 6 """爬取豆瓣热门国产电视剧的数据并保存到本地""" 7 def __init__(self): 8 # url_temp中的start的值是动态的,所以这里用{}替换,方便后面使用format方法 9 self.url_temp = ‘https://movie.douban.com/j/search_subjects?type=tv&tag=%E5%9B%BD%E4%BA%A7%E5%89%A7&sort=recommend&page_limit=20&page_start={}‘ 10 self.headers = { 11 ‘User-Agent‘: ‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.100 Safari/537.36‘, 12 } 13 self.num = 0 14 15 def pass_url(self, url): # 发送请求,获取响应 16 print(url) 17 response = requests.get(url, headers=self.headers) 18 return response.content.decode() 19 20 def get_content_list(self, json_str): # 提取数据 21 dict_ret = json.loads(json_str) 22 content_list = dict_ret[‘subjects‘] 23 return content_list 24 25 def save_content_list(self, content_list): # 保存 26 with open(‘douban2.txt‘, ‘a‘, encoding=‘utf-8‘) as f: 27 for content in content_list: 28 f.write(json.dumps(content, ensure_ascii=False)) # 一部电视剧的信息一行 29 f.write(‘\n‘) # 写入换行符进行换行 30 print(‘保存成功!‘) 31 32 33 def run(self): # 实现主要逻辑 34 # 1. start_url 35 url = self.url_temp.format(self.num) 36 # 2. 发送请求,获取响应 37 json_str = self.pass_url(url) 38 # 3. 提取数据 39 content_list = self.get_content_list(json_str) 40 # 4. 保存 41 self.save_content_list(content_list) 42 # 5. 构造下一页url地址,进入循环 43 if len(content_list) == 20: 44 self.num += 20 # 每一页有二十条数据 45 self.run() 46 47 48 if __name__ == ‘__main__‘: 49 douban_spider = DoubanSpider() 50 douban_spider.run()
原文:https://www.cnblogs.com/springionic/p/11107530.html