编写Python爬虫抓取豆瓣电影TOP100及用户头像的方法

http://movie.douban.com/top250"title">肖申克的救赎</span>

<span class="title">&nbsp;/&nbsp;The Shawshank Redemption</span>

如图，因为有一些英文名等描述，通过正则抓取有些干扰，可能还需要后续过滤。

根据以上信息，此程序主要分以下3个步骤：
二、构建url地址池



  
抓取top100电影名称
  
依次打印输出

依次写出代码
1.构建url地址池。代码如下：


import urllib2
import re
# ----------确定url地址池------------
pre_url = 'http://movie.douban.com/top250"htmlcode">

# ------------抓取top100电影名称----------
top_content = []
top_tag = re.compile(r'<span class="title">(.+"htmlcode">

top_num = 1
for item in top_content:
  print 'Top' + str(top_num) + '  ' + item
  top_num += 1




三、整理代码

我还是python新手，还没有太多的pythonic思想，也没有代码优化技巧，只能说是整理。

其次，个人习惯，在简单的代码里面我还是喜欢少用函数，尽量不隐藏代码的逻辑。

以下代码请参考，并欢迎提意见，希望得到大家的意见，谢谢！

整理后的代码如下：


# coding=utf-8
'''
本代码为自动抓取豆瓣top100电影代码
@pre_url url地址前缀，在这里为http://movie.douban.com/top250"title">(.+"title">(.+"htmlcode">

import urllib.request
import re
import time
 
#获取输入的帖子单页html
def getHtml2(url2):
  html2=urllib.request.urlopen(url2).read().decode('utf-8')
  return html2
 
#抽取图片相关列表，并下载图片
def gettopic(html2):
  reg2=r'http://www.douban.com/group/topic/\d+'
  topiclist=re.findall(reg2,html2)
  x=0
  #限制下载的图片数
  for topicurl in topiclist:
    x+=1
  return topicurl
 
 
#下载图片到本地
def download(topic_page):
  reg3=r'http://img3.douban.com/view/group_topic/large/public/.+\.jpg'
  imglist=re.findall(reg3,topic_page)
  i=1
  download_img=None
  for imgurl in imglist:
#取图片ID为文件名
    img_numlist=re.findall(r'p\d{7}',imgurl)
    for img_num in img_numlist:
       
      download_img=urllib.request.urlretrieve(imgurl,'D:\python\code\girls\%s.jpg'%img_num)
      time.sleep(1) 
      i+=1
      print(imgurl)
  return download_img
 
#调用函数
page_end=int(input('请输入结束时的页码：'))
num_end=page_end*25
num=0
page_num=1
while num<=num_end:
  html2=getHtml2('http://www.douban.com/group/kaopulove/discussion?start=%d'%num)
  topicurl=gettopic(html2)
  topic_page=getHtml2(topicurl)
  download_img=download(topic_page)
  num=page_num*25
  page_num+=1
 
else:
  print('采集完成！')





            
           
            上一篇：Python制作爬虫抓取美女图

            下一篇：Python编程中time模块的一些关键用法解析