python爬蟲實踐——零基礎快速入門（二）爬取豆瓣電影
爬蟲又稱為網頁蜘蛛，是一種程式或指令碼。
但重點在於，它能夠按照一定的規則，自動獲取網頁資訊。
爬蟲的基本原理——通用框架
1.挑選種子URL；
2.講這些URL放入帶抓取的URL列隊；
3.取出帶抓取的URL，下載並存儲進已下載網頁庫中。此外，講這些URL放入帶抓取URL列隊，進入下一迴圈。
4.分析已抓取列隊中的URL，並且將URL放入帶抓取URL列隊，從而進去下一迴圈。
爬蟲獲取網頁資訊和人工獲取資訊，其實原理是一致的。
如我們要獲取電影的“評分”資訊
人工操作步驟：
1.獲取電影資訊的網頁；
2.定位（找到）要評分資訊的位置；
3.複製、儲存我們想要的評分資料。
爬蟲操作步驟：
1.請求並下載電影頁面資訊；
2.解析並定位評分資訊；
3.儲存評分資料。
爬蟲的基本流程
簡單來說，我們向伺服器傳送請求後，會得到返回的頁面，通過解析頁面後，我們可以抽取我們想要的那部分資訊，並存儲在指定文件或資料庫中，這樣，我們想要的資訊會被我們“爬”下來了。
python中用於爬蟲的包很多，如bs4，urllib，requests等等。這裡我們用requests+xpath的方式，因為簡單易學，像BeautifulSoup還是有點難的。
下面我們就使用requests和xpath來爬取豆瓣電影中的“電影名”、“導演”、“演員”、“評分”等資訊。
上一篇文章已經講了安裝requests和lxml庫：
pip install requests
pip install lxml一、匯入模組
#-*- coding:utf-8 -*-
import requests
from lxml import etree
import time #這裡匯入時間模組，以免豆瓣封你IP二、獲取豆瓣電影目標網頁並解析
爬取豆瓣電影《神祕巨星》上的一些資訊，地址
https://movie.douban.com/subject/26942674/?from=showing
#-*- coding:utf-8 -*-
import 1.獲取電影名稱。
獲取電影的xpath資訊並獲得文字
s.xpath('元素的xpath資訊/text()')這裡的xpath資訊要手動獲取，獲取方式如下：
1.如果你是用谷歌瀏覽器的話，滑鼠“右鍵”–>“檢查元素”
2. Ctrl+Shift+C將滑鼠定位到標題。
3.“右鍵”–> “Copy”–> “Copy Xpath”就可以複製xpath
這樣，我們就把電影標題的xpath資訊複製下來了
//*[@id="content"]/h1/span[1]放到程式碼中並列印資訊
#-*- coding:utf-8 -*-
import requests
from lxml import etree
import time
url = 'https://movie.douban.com/subject/26942674/'
data = requests.get(url).text
s=etree.HTML(data)
film_name = s.xpath('//*[@id="content"]/h1/span[1]/text()')
print("電影名:",film_name)這樣，我們爬取豆瓣電影中《神祕巨星》的“電影名稱”資訊的程式碼已經完成了，可以在eclipse中執行程式碼。
得到如下結果：
電影名: ['神祕巨星 Secret Superstar']
OK，邁出了第一步，我們繼續抓取導演、主演、評分；
film_name=s.xpath('//*[@id="content"]/h1/span[1]/text()')#電影名
director=s.xpath('//*[@id="info"]/span[1]/span[2]/a/text()')#編劇
actor1=s.xpath('//*[@id="info"]/span[3]/span[2]/a[1]/text()')#主演1
actor2=s.xpath('//*[@id="info"]/span[3]/span[2]/a[2]/text()')#主演2
actor3=s.xpath('//*[@id="info"]/span[3]/span[2]/a[3]/text()')#主演3
actor4=s.xpath('//*[@id="info"]/span[3]/span[2]/a[4]/text()')#主演4
movie_time=s.xpath('//*[@id="info"]/span[13]/text()')#片長觀察上面的程式碼，發現獲取不同主演時，區別只在於“a[x]”中“x”的值不同。實際上，要一次性獲取所有主演資訊時，用不加數字的“a”即可獲取。
如下：
actors = s.xpath('//*[@id="info"]/span[3]/span[2]/a/text()')#所有主演所以我們修改好的完整程式碼如下：
#-*- coding:utf-8 -*-
import requests
from lxml import etree
import time
url1 = 'https://movie.douban.com/subject/26942674/'
data = requests.get(url1).text
s=etree.HTML(data)
film_name=s.xpath('//*[@id="content"]/h1/span[1]/text()')#電影名
director1=s.xpath('//*[@id="info"]/span[1]/span[2]/a/text()')#編劇
actor=s.xpath('//*[@id="info"]/span[3]/span[2]/a/text()')#主演
movie_time=s.xpath('//*[@id="info"]/span[13]/text()')#片長
#由於導演有時候不止一個人，所以我這裡以列表的形式輸出
ds = []
for d in director:
ds.append(d)
#由於演員不止一個人，所以我這裡以列表的形式輸出
acs = []
for a in actor:
acs.append(a)
print ('電影名:',film_name)
print ('導演:',ds)
print ('主演:',acs)
print ('片長:',movie_time)結果輸出：
電影名: ['神祕巨星 Secret Superstar']
導演: ['阿德瓦·香登']
主演: ['塞伊拉·沃西', '梅·維賈', '阿米爾·汗', '拉傑·阿晶', '提斯·沙馬', '卡比爾·謝赫', '法如克·賈法爾', '馬努傑·沙瑪', '莫娜·安伯加卡爾', '尼基塔·阿南德', '尚', '莫納利·塔庫爾']
片長: ['150分鐘']怎麼樣，是不是很簡單啊。趕快去試試吧~~~
下一篇文章，我們會爬取豆瓣讀書的TOP250條資訊：python爬蟲實踐——爬取豆瓣TOP250條圖書資訊
與這個又不一樣嘍~~喜歡的關注一下，謝謝。
這裡順便補充點基礎知識：
Requests常用的七種方法。
| 方法 | 說明 |
|---|---|
| requests.request() | 構造一個請求，支撐以下個方法的基礎方法 |
| requests.get() | 獲取HTML網頁的主要方法，對應於HTTP的GET |
| requests.head | 獲取HTML網頁頭資訊的方法，對應於HTTP的DEAD |
| requests.post() | 向HTML網頁提交POST請求方法，對應於HTTP的POST |
| requests.put() | 向HTML網頁提交PUT請求方法，對應於HTTP的PUT |
| requests.patch() | 向HTML網頁提交區域性修改請求，對應於HTTP的PATCH |
| requests.delete() | 向HTML網頁提交刪除請求，對應於HTTP的DELETE |
目前，我們只需要掌握最常用的requests.get()方法就好了。
requests.get()的使用方法
import requests
url = 'https://www.baidu.com'
data = requests.get(url)#使用get方法傳送請求，返回汗網頁資料的Response並存儲到物件data 中Repsonse物件的屬性：
data.status_code’：http請求的返回狀態，200表示連線成功；
data.text：返回物件的文字內容；
data.content：猜測返回物件的二進位制形式；
data.encoding：返回物件的編碼方式；
data.apparent_encoding：響應內容編碼方式。