# -*- coding:utf-8 -*-
import requests
from bs4 import BeautifulSoup
import chardet
import re
import xlwt

#獲取某頁的內容
def getHtml(index=0):
    print('正在抓取第{}頁資訊'.format(index+1))
    url = 'https://movie.douban.com/top250?start='+str(index*25)+'&filter='
    r = requests.get(url)
    code = chardet.detect(r.content)['encoding'
 
]
    # print(code)   #utf-8
    return r.content.decode(code)

def getData(page):
    dataList = []
    for i in range(page):
        html = getHtml(i)
        soup = BeautifulSoup(html,'html.parser')
#先找到父元素
        parent = soup.find('div',attrs={'id':'content'})   #一定要先找到id的位置,通過id的位置找到父元素
        # print(type(parentDiv))    #<class 'bs4.element.Tag'>
 

        lis = parent.find_all('li')
        for each in lis:
            data = []
            #獲取電影名稱
            filmName = each.find('div',attrs={'class': 'hd'}).find('span',attrs={'class': 'title'}).string  # 方法三
            data.append(filmName)
            #獲取電影放映時間
            reg1 = re.compile('.*(\d{4}).*'
 
)  # 通過正則只獲取中間的4個數字
            filmTimeStr = each.find('div',attrs={'class': 'bd'}).find('p').get_text()
            filmTime = re.findall(reg1,filmTimeStr)[0]    #獲取第一個匹配的正則數字
            data.append(filmTime)
            # 獲取電影評分
            film_score = each.find('div',attrs={'class':'star'}).find_all('span')[1].get_text()
            data.append(film_score)
            #獲取電影評分人數each
            reg2 = re.compile('(\d*)')  #匹配任意個數字
            discussNumStr = each.find('div',attrs={'class': 'star'}).find_all('span')[3].get_text()
            discussNum = re.findall(reg2, discussNumStr)[0]  # 獲取第一個匹配的正則數字
            data.append(discussNum)
            #獲取電影影評, 因為有個別沒有簡評標籤，所以加判斷
            if each.find('p', attrs={'class': 'quote'}):   #判斷是否有p物件
                filmReview = each.find('p', attrs={'class': 'quote'})\
                    .find('span').get_text()  #如果p標籤裡只有一個span就不需要指定span的attrs
            else:
                filmReview = ''
            data.append(filmReview)
            dataList.append(data)
    return dataList
# print(getData())

def saveToExcel(page,filename):
    wbk = xlwt.Workbook()
    sheet = wbk.add_sheet('豆瓣電影資訊')
    dataList = getData(page)
    title_list = ["電影名稱", "上映時間", "豆瓣評分", "豆瓣影評"]
    # 寫入表頭
    for i in range(len(title_list)):
        sheet.write(0, i, title_list[i])
    #寫入電影資料
    for j,each in enumerate(dataList):
        for k,value in enumerate(each):
            sheet.write(j+1,k,value)
    wbk.save(filename)

saveToExcel(10,'豆瓣電影排行榜.xls')
print('結束')