python數據分析-豆瓣電影Top250

數據爬取源碼

詳細過程大家可以在其他帖子中看到.
這里采用python2.7以及原生庫urllib2和re庫進行爬取.

# coding=utf-8
import urllib2
import re
import time


def get_Request(page):
   url = 'https://movie.douban.com/top250'
   headers = {
       'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3112.78 Safari/537.36',
       'Host': 'movie.douban.com',
   }
   req = urllib2.Request(url + '?start=' + str(page) + '&filter=', headers=headers)
   res = urllib2.urlopen(req).read()

   return res


def get_content(res):
   total = re.findall('<div class="item">([\s\S]+?)</div>\s+</li>', res, re.S)
   all_data = list()
   for item in total:
       try:
           title = re.findall('<span class="title">(.*?)</span>', item)
           count = re.findall('<em class="">(\d+)</em>', item)
           director = re.findall('<p class="">\s+導演:\s+(.*?)&nbsp;&nbsp;&nbsp;', item)
           other = re.findall('<br>\s+(\d{4,})&nbsp;/&nbsp;(.*?)&nbsp;/&nbsp;(.*?)\s+</p>', item)
           score = re.findall('<span class="rating_num" property="v:average">(\d\.\d+)</span>', item)
           name = title[0]
           other_name = ''
           counts = count[0]
           direct = director[0]
           year = other[0][0]
           country = other[0][1].replace(' ', '/'),
           type = other[0][2].replace(' ', '/'),
           scores = score[0],
           if len(title) > 1:
               other_name = title[1].replace('&nbsp;/&nbsp;', '').replace(',', ' '),
           else:
               title.append('0')
               other_name = title[1]
           data = dict(
               name=name,
               other_name=other_name[0],
               director=direct,
               year=year,
               country=country[0],
               type=type[0],
               score=scores[0],
           )
           all_data.append(data)
       except:
           all_data.append(data)

   return all_data


def save_data(data):
   value = ''
   with open('data.txt', 'a') as f:
       for line in data:
           for values in ['name', 'other_name', 'director', 'year', 'country', 'type', 'score']:
               if values == 'score':
                   value += line[values]
               else:
                   value += line[values] + ','
           f.write(str(value) + '\n')
           print value + '\n'
           value = ''
   f.close()


def run(page):
   res = get_Request(page)
   data = get_content(res)
   save_data(data)


if __name__ == "__main__":
   page = 0
   while page < 250:
       run(page=page)
       page += 25
       time.sleep(0.5)
   print 'finished data crawl'

數據分析

影片類型分析

這里對于爬取下來的數據集,并對類型中的"/"進行切割.
分割前:


1.jpg
1.jpg
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 228,739評論 6 534
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 98,634評論 3 419
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 176,653評論 0 377
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 63,063評論 1 314
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 71,835評論 6 410
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 55,235評論 1 324
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,315評論 3 442
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 42,459評論 0 289
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 49,000評論 1 335
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 40,819評論 3 355
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 43,004評論 1 370
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,560評論 5 362
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,257評論 3 347
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,676評論 0 26
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 35,937評論 1 288
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 51,717評論 3 393
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 48,003評論 2 374

推薦閱讀更多精彩內容