Python社区  »  Python

不会写Python代码如何抓取豆瓣电影 Top 250

苏生不惑 • 3 月前 • 31 次点击  

说到爬虫,大多数人会想到用Python来做,毕竟简单好用,比如想抓取豆瓣电影top250 的所有电影数据。

简单的代码如下:

import requestsfrom bs4 import BeautifulSoup
url = 'https://movie.douban.com/top250'headers = {'user-agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/77.0.3865.120 Safari/537.36'}s = BeautifulSoup(requests.get(url, headers=headers).text, 'html.parser')for link in s.find_all('span', class_='title'): print(link.text)

这样就可以输出第一页的所有电影标题,第二页的数据还需要代码处理。

但对于非程序员还是有难度的,有没有不用写代码就能抓取数据的爬虫工具呢,下面介绍几个非常实用的爬虫工具,这里还是以爬取豆瓣电影top250为例。

爬山虎采集器

爬山虎采集器是一款简单易用的网页数据采集工具,通过智能算法+可视化界面,随心所欲抓取自己想到的数据。先在官网 http://www.51pashanhu.com/download  下载软件,现在我下载的版本是 v2.4.7.0 ,它已经内置了几个采集设置了,比如百度搜索,淘宝商品等。

先输入要采集的网址https://movie.douban.com/top250点下一步,因为有10页,因此要选择 自动识别分页然后保存并采集采集结果:默认只能导出到txt,需要升级会员才能导出其他格式。成功导出250条数据。txt文件内容

后羿采集器

后羿采集器是一款面向零基础用户的,不限制采集和导出采集结果数量,免费不要积分的采集器,只需要输入网址就能智能识别采集结果,简直小白神器!在官网 http://www.houyicaiji.com/ 下载好软件

输入网址https://movie.douban.com/top250,它会自动分页加载。点击开始采集

采集完成

这个相比上面的爬山虎采集器可以导出 excel csv text 等格式。我这里导出到excel,所有电影标题,链接,封面图片,导演,评价人数都抓取下来了。ps: 我收藏了部分top 250 的电影,可以回复对应电影名试试。

 

八爪鱼采集器

八爪鱼数据采集器是一款使用简单、功能强大的网络爬虫工具,完全可视化操作,无需编写代码,内置海量模板,支持任意网络数据抓取,简易采集模式内置上百种主流网站数据源,如京东、天猫、大众点评等热门采集网站,只需参照模板简单设置参数,就可以快速获取网站公开数据。软件下载地址 https://www.bazhuayu.com/download ,这个我就不演示了,另外它还有英文版 https://www.octoparse.com/download

集搜客

号称把互联网装进表格和数据库 ,网址 https://www.gooseeker.com/

Web Scraper

Web Scraper 是一款免费的、适用于任何人(没有任何编程基础)的爬虫工具。操作简单,只需鼠标点击和简单的配置,就能快速的爬取 Web 端的数据。网址 https://webscraper.io,需要先下载Chrome扩展 https://chrome.google.com/webstore/detail/web-scraper/jnhgnonknehpejjnehehllkliplmbmhn 如果上不了谷歌在公众号回复 谷歌获取扩展。

具体使用教程可以参考明白大佬的文章https://www.jianshu.com/p/cd5124ac0871,作者还专门开了一门课程《不用写代码的爬虫课》。

有了上面这些工具,不会写代码的你也能轻松抓取你想要的公开数据。

推荐阅读:

如何发一条空白的朋友圈

那些在国内还能使用的谷歌产品

那些你可能不知道的微信奇技淫巧

如何在豆瓣租房小组快速找到满意的房子

公众号苏生不惑原创文章整理

Chrome 浏览器扩展神器油猴

公众号:苏生不惑

扫描二维码关注或搜索微信susheng_buhuo


Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/47716
 
31 次点击  
分享到微博