Wangziv_hahaha 2021-04-09 22:00 采纳率: 0%
浏览 122

大佬帮找找错误 ,爬取豆瓣电影top250,将数据存入数据库

import urllib.request
import re
from bs4 import BeautifulSoup
import sqlite3
import xlwt

def main():
    baseurl = "https://movie.douban.com/top250?start="
    #1.爬取网页
    datalist = getData(baseurl)
    savepath = ".\\豆瓣电影Top250.xls"
    dbpath = ".\\豆瓣电影Top250.db"
    #3.保存数据
    saveData(datalist,savepath)
    #4.保存数据到数据库
    saveData2DB(datalist,dbpath)

#影片详情链接的规则
findlink = re.compile(r'<a href="(.*?)">')
#影片图片
findImgScr = re.compile(r'<img.*src="(.*?)"/>' ,re.S) #让换行符包含在字符中
#影片片名
findTitle = re.compile(r'<span class="title">(.*)</span>')
#影片评分 
findRating = re.compile(r'<span class="rating_num" property="v:average">(.*)</span>')
#评价人数
findJudge = re.compile(r'<span>(\d*)人评价</span>')
#找到概况
findInq = re.compile(r'<span class="inq">(.*)</span>')
#找到影片相关内容
findBd = re.compile(r'<p class="">(.*?)</p>',re.S)

#1.爬取网页
def getData(baseurl):
    datalist = []
    for i in range(0,10):
        url = baseurl + str(i*25)
        html = askURL(url)
        #2.逐一解析
        soup = BeautifulSoup(html,'html.parser')
        for item in soup.find_all('div',class_='item'):  #查找符合要求的字符串,形成列表
            data = []      #保存一部电影的所有信息
            item = str(item)
            # 影片详情链接
            link = re.findall(findlink,item)[0]
            data.append(link)  #在data列表中添加链接
            #影片图片
            ImgScr = re.findall(findImgScr,item)[0]
            data.append(ImgScr)  #在data列表中添加图片
            #影片片名
            titles = re.findall(findTitle,item) #片名可能只有一个中文名,没有外文名
            if len(titles)==2:
                ctitle = titles[0]
                data.append(ctitle)  #添加中文名
                otitle = titles[1].replace("/","") #去掉无关符号
                data.append(otitle)  #添加外国名
            else:
                data.append(titles[0])
                data.append("")  #外国名字留空
            #影片评分
            rating = re.findall(findRating,item)[0]
            data.append(rating)
            #评价人数
            judge = re.findall(findJudge,item)[0]
            data.append(judge)
            #找到概况
            inq = re.findall(findInq,item)
            if len(inq) != 0:
                inq = inq[0].replace("。","")
                data.append(inq)
            else:
                data.append(" ")
            #找到影片相关内容
            bd = re.findall(findBd,item)[0]
            bd = re.sub('<br(\s+)?/>(\s+)?', "", bd) #去掉<br>
            bd = re.sub('/'," ",bd) #去掉/
            data.append(bd.strip()) #去掉前后的空格

            datalist.append(data) #把处理好的一部电影信息放入datalist
            print(datalist)
    return datalist

#爬取指定一个网页
def askURL(url):
    headers = {
    "User-Agent":"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36"
    }
    re = urllib.request.Request(url = url,headers = headers)
    try:
        response = urllib.request.urlopen(re)
        html = response.read().decode("utf-8")
        # print(html)
    except urllib.error.URLError as e:
        if hasattr(e,"code"):
            print(e.code)
        if hasattr(e,"reason"):  
            print(e.reason)
    return html
#3.保存数据
def saveData(datalist,savepath):
    book = xlwt.Workbook(encoding="utf-8",style_compression=0)
    sheet = book.add_sheet('豆瓣电影Top250',cell_overwrite_ok=True)
    col = ("电影详情链接","图片链接","影片中文名","影片外文名","评分","评价人数","影片概况","影片相关内容")
    for i in range(0,8):
        sheet.write(0,i,col[i]) #列名
    for i in range(0,250):
        print("第%d条"%(i+1))
        data = datalist[i]
        for j in range(0,8):
            sheet.write(i+1,j,data[j]) #数据
    book.save('豆瓣电影Top250.xls')  #保存


#4.保存数据到数据库
def saveData2DB(datalist,dbpath):
    # init_db(dbpath)
    conn = sqlite3.connect(dbpath)
    cur = conn.cursor()
    
    for data in datalist:
        for index in range(len(data)):
            if index == 4 or index == 5: #判断是否是评分或评价人数
                continue
            data[index] = '"'+data[index]+'"' #给data加双引号
        sql = '''
              insert into movie250(
              info_link,pic_link,cname,ename,score,rated,inq,db)
              values (%s)'''%",".join(data) #用“,”分隔data
        cur.execute(sql)
        conn.commit()
    cur.close()
    conn.close()

def init_db(dbpath):
    conn = sqlite3.connect(dbpath)
    cursor = conn.cursor()
    sql = '''
          create table movie250
          (id integer primary key autoincrement,
          info_link text,
          pic_link text,
          cname varchar,
          ename varchar,
          score numeric,
          rated numeric,
          inq text,
          db text
          )
    
    '''#创建数据表
    cursor.execute(sql)
    conn.commit()
    conn.close()

if __name__ == "__main__":#当程序执行时
    main()    #调用函数
    print("爬取完毕!")

运行之后,打印了250遍sql语句,如下。怎么搞?崩溃了,卡在这两天了!

sql = '''

              insert into movie250(

              info_link,pic_link,cname,ename,score,rated,inq,db)

              values (%s)'''%",".join(data)

  • 写回答

4条回答 默认 最新

  • CSDN专家-杨俊 2021-04-09 22:15
    关注

    具体报什么错误呢?是爬取不到数据,还是入不了库呢

    评论

报告相同问题?

悬赏问题

  • ¥15 Qt下使用tcp获取数据的详细操作
  • ¥15 idea右下角设置编码是灰色的
  • ¥15 全志H618ROM新增分区
  • ¥20 jupyter保存图像功能的实现
  • ¥15 在grasshopper里DrawViewportWires更改预览后,禁用电池仍然显示
  • ¥15 NAO机器人的录音程序保存问题
  • ¥15 C#读写EXCEL文件,不同编译
  • ¥15 MapReduce结果输出到HBase,一直连接不上MySQL
  • ¥15 扩散模型sd.webui使用时报错“Nonetype”
  • ¥15 stm32流水灯+呼吸灯+外部中断按键