前言
如果大家經(jīng)常閱讀Python爬蟲相關(guān)的公眾號，都會是以爬蟲+數(shù)據(jù)分析的形式展現(xiàn)的，這樣很有趣，圖表也很不錯，今天了，我就來分享上一次在培訓(xùn)中的一個作品：貓眼電影爬蟲及分析。
通過貓眼電影TOP100榜的爬蟲，然后進(jìn)行可視化，讓學(xué)員體會到，小數(shù)據(jù)爬蟲也能玩出這樣的花樣來。
爬蟲
爬蟲分析
這里是獲取的是top100的電影數(shù)據(jù)，進(jìn)行了跨頁爬蟲，獲取的字段：電影名，主演，上映時間，評分，電影類型和時長。最后保存在csv文件中。
爬蟲代碼
import requests
from lxml import etree
import csv
headers = {
'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36'
}
def get_url(url):
res = requests.get(url,headers=headers)
html = etree.HTML(res.text)
infos = html.xpath('//dl[@class="board-wrapper"]/dd')
for info in infos:
name = info.xpath('div/div/div[1]/p[1]/a/text()')[0]
info_url = 'http://maoyan.com' + info.xpath('div/div/div[1]/p[1]/a/@href')[0]
star = info.xpath('div/div/div[1]/p[2]/text()')[0].strip()
release_time = info.xpath('div/div/div[1]/p[3]/text()')[0].strip()
score_1 = info.xpath('div/div/div[2]/p/i[1]/text()')[0]
score_2 = info.xpath('div/div/div[2]/p/i[2]/text()')[0]
score = score_1 + score_2
# print(name,star,release_time,score,info_url)
get_info(info_url,name,star,release_time,score)
def get_info(url,name,star,time,score):
res = requests.get(url, headers=headers)
html = etree.HTML(res.text)
style = html.xpath('/html/body/div[3]/div/div[2]/div[1]/ul/li[1]/text()')[0]
long_time = html.xpath('/html/body/div[3]/div/div[2]/div[1]/ul/li[2]/text()')[0].split('/')[1].strip()
print(name,star,time,score,style,long_time)
writer.writerow([name,star,time,score,style,long_time])
if __name__ == '__main__':
fp = open('maoyan_2.csv','w',encoding='utf-8',newline='')
writer = csv.writer(fp)
writer.writerow(['name','star','time','score','style','long_time'])
urls = ['http://maoyan.com/board/4?offset={}'.format(str(i)) for i in range(0, 100, 10)]
for url in urls:
get_url(url)
數(shù)據(jù)分析
數(shù)據(jù)分析我做成了PPT的樣子，大家可以看看~
總體情況
100部電影，平均得分9.0，平均電影時長128.63。
電影年份趨勢
電影年份趨勢不大，規(guī)律不太明顯。
電影月份
大家看電影都知道，電影基本在假期上映更有熱度，這里統(tǒng)計出來，發(fā)現(xiàn)下半年的電影比上半年電影好很多~
地區(qū)
中國和美國還是占了很多的，韓國和日本電影也很不錯~
電影類型
電影大部分都是劇情的，愛情才是真諦啊。
演員
小哥和星爺承載了我們的清楚呀~
總結(jié)
別看這小小的100條數(shù)據(jù)，是不是也可以玩出不一樣的花樣來。關(guān)注公眾號：羅羅攀，回復(fù)（貓眼電影），即可獲取爬蟲+數(shù)據(jù)分析代碼。
