數(shù)據(jù)采集

我們上一篇介紹了，如何采集王者皮膚，買不起皮膚，當(dāng)個桌面壁紙挺好的。我們今天來學(xué)習(xí)如何采集電影評論，看看這個電影好不好看。

發(fā)送請求

我們首先確定我們的目標(biāo)網(wǎng)址，對我們需要獲取的數(shù)據(jù)。

我們要把每一個評論獲取下來，我們接下來用到開發(fā)者工具。我們看評論是在什么位置。是不是在網(wǎng)頁源代碼中。接下來，我們發(fā)送請求，獲取網(wǎng)頁源代碼。

url = 'https://movie.douban.com/subject/35267208/comments'
params = {
    'start': f'{num}',
    'limit': '20',
}
headers = {
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/110.0.0.0 Safari/537.36',
}
res = requests.get(url, headers=headers, params=params)
print(res)

這段代碼中，我們首先定義了一個 URL，然后使用 requests.get() 函數(shù)獲取該 URL 的數(shù)據(jù)，并將其存儲在 res 變量中。最后，我們打印出 res 變量的值，即獲取到的數(shù)據(jù)。

在這個例子中，我們使用了 params 參數(shù)來指定獲取數(shù)據(jù)的起始位置和每頁顯示的記錄數(shù)。在這個例子中，我們指定了起始位置為第 num 條記錄，每頁顯示 limit 條記錄。

請注意，這個例子中使用的 user-agent 頭部是為了模擬瀏覽器的行為。在實際應(yīng)用中，我們應(yīng)該使用 User-Agent 頭部來指定我們的請求類型，例如 requests.get() 函數(shù)默認(rèn)使用 'requests/2.18.4' 作為 User-Agent。

解析數(shù)據(jù)

我們還可以獲取其他信息，比如講，地區(qū)，時間之類的。

我們先解析數(shù)據(jù)。

selector = parsel.Selector(res.text)
info_lists = selector.css('div.comment-item')

這段代碼中，我們首先使用 parsel 庫中的 Selector 類來解析 res.text 中的內(nèi)容，并將其轉(zhuǎn)換為 CSS 選擇器。然后，我們使用 css 方法來獲取 CSS 選擇器中的所有 div 元素，并將其存儲在 info_lists 變量中。

需要注意的是，parsel 庫中的 Selector 類是一個比較底層的 CSS 解析器，它并不會對 CSS 選擇器進(jìn)行任何優(yōu)化或轉(zhuǎn)換。因此，在使用 Selector 類時，我們需要確保輸入的 CSS 選擇器是有效的，并且不會包含任何無效的 CSS 屬性或值。

獲取內(nèi)容

for info_list in info_lists:
    # print(info_list)
    name = info_list.css('.comment-info a::text').get()
    rating = info_list.css('.rating::attr(title)').get()
    times = info_list.css('.comment-time::attr(title)').get()
    area = info_list.css('.comment-location::text').get()
    vote_count = info_list.css('.vote-count::text').get()
    short = info_list.css('.short::text').get()

這段代碼中，我們使用 for 循環(huán)遍歷 info_lists 中的每一個元素，并使用 css 方法獲取該元素的 text 屬性值。然后，我們使用 get() 方法獲取該屬性值的 title 屬性值，并將其存儲在 name 變量中。接著，我們使用 get() 方法獲取該屬性值的 title 屬性值，并將其存儲在 rating 變量中。最后，我們使用 get() 方法獲取該屬性值的 title 屬性值，并將其存儲在 times 變量中。最后，我們使用 get() 方法獲取該屬性值的 title 屬性值，并將其存儲在 area 變量中。最后，我們使用 get() 方法獲取該屬性值的 title 屬性值，并將其存儲在 vote_count 變量中。最后，我們使用 get() 方法獲取該屬性值的 title 屬性值，并將其存儲在 short 變量中。

輸出內(nèi)容

print(name, rating, times, area, vote_count, short)

這段代碼中，我們使用 print() 函數(shù)打印出了名稱、評分、時間、地點、投票數(shù)和簡短描述。

總結(jié)

在這個例子中，我們使用了parsel庫中的 Selector 類和 css 方法來獲取網(wǎng)頁中的 CSS 選擇器，并將其轉(zhuǎn)換為相應(yīng)的屬性值。我們還可以使用其他方法來解析數(shù)據(jù)，例如使用 params 參數(shù)來指定獲取數(shù)據(jù)的起始位置和每頁顯示的記錄數(shù)，使用 headers 參數(shù)來指定 User-Agent 頭部。我們還可以使用其他開發(fā)者工具來獲取更多數(shù)據(jù)，例如使用網(wǎng)頁源代碼來獲取網(wǎng)頁中的所有評論。

以上就是Python采集電影評論的詳細(xì)內(nèi)容，更多關(guān)于Python采集電影評論的資料請關(guān)注腳本之家其它相關(guān)文章！

最新評論