# 用于獲取網頁源碼的函數

def getHTMLText(url):try:

# 使用requests庫爬取網頁源碼2

r= req.get(url, headers={'user-agent': 'Mozilla/5.0'})

# 判斷是否爬取過程中出現錯誤

r.raise_for_status()

# 設置源碼的編碼格式

r.encoding=r.apparent_encodingreturnr.text

except:return "爬取失敗"# 拼接地址,返回爬取地址數組

def urlSplit(path, sheet):

array=[]for i in sheet["href"]:

url= path+i

array.append(url)returnarray

# 獲取指定url頁面中電視劇列表集合

def TvList(html):

# 外部傳來的全局數組

Tvlist=[]

#使用BeautifulSoup類解析html文本

soup= BeautifulSoup(html, "html.parser")

#獲取每個電視劇的a鏈接數組

As= soup.select("ul.fed-list-info > li >a.fed-list-title")

#從a標簽中獲取電視劇id,name,hreffor a inAs:

# 獲取href

href= a.attrs["href"]

# 獲取電視劇id

id= href.split('/')[-2]

# 獲取Tv name

name=a.text

tem=[id,name,href]

Tvlist.append(tem)returnTvlist

# 獲取電視劇詳情頁數據集合

def TvDetailList(html, TvDetaillist):

# 解析網頁源碼

soup= BeautifulSoup(html, "html.parser")

# 電視劇名稱

title= soup.h1.a.string# 電視劇地址

href= "https://www.bt5156.com"+soup.h1.a.attrs['href']

# 臨時數組

temp=[]for index, value in enumerate(soup.find_all('li', 'fed-part-eone')):if(index > 5):breaktemp.append(value.text)

# 主演

actor= temp[0].split("：")[1]

# 導演

director= temp[1].split("：")[1]

# 地區

sort= temp[2].split("：")[1]

# 地址

location= temp[3].split("：")[1]

# 年份

year= temp[4].split("：")[1]

# 最新修改時間

date= temp[5].split("：")[1]

# 判斷可能會出現錯誤的地方,將錯誤跳過try:

# 集數

number= soup.find_all('span', 'fed-list-remarks')[0].text

number= re.findall('\d+', number)[0]

except:

number= ''# 不論number數據是否錯誤,都執行以下代碼finally:

# 評分

score= soup.find_all('span', 'fed-list-score')[0].text

# 簡介

description= soup.find_all('div', 'fed-part-esan')[0].text

# 對數據進行組裝,一個temp就是一個電視劇詳細信息

temp=[title, href, actor, director, sort,location, year, date, number, score, description]

# 將電視劇信息存入集合

TvDetaillist.append(temp)

print(title)

# 將數據保存到excel文件中

def saveExcel(writer,sheet,df):

# 將數據寫入excel表中

df.to_excel(writer, sheet_name=sheet)

def saveTvListToExcel(urls, pages, TvlistPath):

writer=pd.ExcelWriter(TvlistPath)

# 爬取網站前n頁電視劇列表,分別存儲在不同的工作簿中for index, url inenumerate(urls):

print(url+" "+pages[index])

# 網頁源碼

html=getHTMLText(url)

# 返回電視劇列表

Tvlist=TvList(html)

# 將列表轉為pandas中的DataFrame

df= pd.DataFrame(Tvlist, columns=['id', 'name', 'href'])

# 將DataFrame寫入excel中,數據持久化

saveExcel(writer, pages[index], df)

# 從內存中寫入excel

writer.save()

def saveTvDetailListToExcel(path,pages, TvlistPath, TvDetaillistPath):

col= ["title", "href", "actor", "director", "sort", "location","year", "date", "number", "score", "description"]

writer=pd.ExcelWriter(TvDetaillistPath)for page inpages:

TVDetaillist=[]

sheet= pd.read_excel(TvlistPath, sheet_name=page)for url inurlSplit(path, sheet):

# 循環地址,爬取電視劇詳情頁

html=getHTMLText(url)try:

TvDetailList(html, TVDetaillist)

except:

# 發生錯誤立即將數據保存至excel中并停止爬取

df= pd.DataFrame(TVDetaillist, columns=col)

saveExcel(writer, page, df)

writer.save()

print("有一條數據爬取錯誤")return 0df= pd.DataFrame(TVDetaillist, columns=col)

saveExcel(writer, page, df)

writer.save()

# 爬取的頁數

def SpiderPageNum(n, urls, pages):for i in range(1, n+1):

url= "https://www.bt5156.com/vodshow/lianxuju--------" +\

str(i)+ "---/"urls.append(url)

page= "page" +str(i)

pages.append(page)

總結

以上是生活随笔為你收集整理的高等数学与python高级应用_python高级应用程序与设计的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。