python爬蟲--爬取豆瓣top250電影名

關於模擬瀏覽器登入的header，可以在相應網站按F12調取出編輯器，點選netwook，如下：

以便於不會被網站反爬蟲拒絕。

1 import requests
 2 from bs4 import BeautifulSoup
 5 def get_movies():
 6     headers = {
 7         'user-agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/52.0.2743.82 Safari/537.36',
 8         'Host': 'movie.douban.com'
 9     }
10     movie_list = []                                                       #定義序列
11     for i in range(0, 10):
12         link = 'https://movie.douban.com/top250?start=' + str(i * 25)     #通過迴圈，下載第二頁，第三頁
13         r = requests.get(link, headers=headers, timeout=10)               #timeout=10，響應時長
14         print(str(i + 1), "頁響應狀態碼:", r.status_code)                   #顯示狀態碼，返回200，請求成功
15 
16         soup = BeautifulSoup(r.text, "lxml")
17         div_list = soup.find_all('div', class_='hd')                     #如下圖顯示，電影名字在div標籤之後
18         for each in div_list:
19             movie = each.a.span.text.strip()                              #span後的文字
20             movie_list.append(movie)                                      #append(movie)，在movie_list中新增movie序列
21     return movie_list 
24  movies = get_movies() 
25  print(movies)