80 行代码爬取豆瓣 Top250 电影信息并导出到 CSV 及数据库

一、下载页面并处理

二、提取数据

观察该网站 html 结构

可知该页面下所有电影包含在 ol 标签下。每个 li 标签包含单个电影的内容。

使用 XPath 语句获取该 ol 标签

在 ol 标签中遍历每个 li 标签获取单个电影的信息。

以电影名字为例

其余部分详见源码

 三、页面跳转

检查“后页”标签。跳转到下一页面

返回 None 则已获取所有页面。

四、导入 CSV

创建 CSV 文件

其余部分详见源码

五、导入数据库（以 mysql 为例）

先在 mysql 中创建数据库与表，表的属性应与要插入的数据保持一致

连接数据库 db = pymysql.connect(host='127.0.0.1', port=3306, user='root', passwd='syb123', db='douban',charset='utf8')

创建游标 cur = db.cursor()

将获取的电影信息导入数据库

六、效果显示

因 Windows 系统默认以 ANSI 编码打开 Excel，所以直接用 Excel 打开 csv 文件会出现乱码，需对其重新编码。

以上所有内容可以在 80 行 Python 代码内完成，很简单吧！

源码：https://github.com/AlexRedfield/douban_movies_top250

原文链接：https://segmentfault.com/a/1190000011964958

Python学习交流群：238757010