python爬虫简单爬取王者荣耀英雄名字(Python爬虫超详细讲解（零基础入门，老年人都看得懂）)

) # 创建正则表达式对象，标售规则 影片详情链接的规则 findImgSrc = re.compile(r

r(.*)) findRating = re.compile(r(.*)

) findJudge = re.compile(r(\d*)人评价) findInq = re.compile(r(.*)) findBd = re.compile(

r

(.*?)

#要爬取的网页链接# 1.爬取网页 datalist = getData(baseurl) savepath = "豆瓣电影Top250.xls"#当前目录新建XLS，存储进去# dbpath = "movie.db" #当前目录新建数据库，存储进去

# 3.保存数据 saveData(datalist,savepath) #2种存储方式可以只选择一种# saveData2DB(datalist,dbpath)# 爬取网页defgetData

(baseurl): datalist = [] #用来存储爬取的网页信息for i in range(0, 10): # 调用获取页面信息的函数，10次 url = baseurl + str(i *

25) html = askURL(url) # 保存获取到的网页源码# 2.逐一解析数据 soup = BeautifulSoup(html, "html.parser"

) for item in soup.find_all(div, class_="item"): # 查找符合要求的字符串 data = [] # 保存一部电影所有信息

item = str(item) link = re.findall(findLink, item)[0] # 通过正则表达式查找 data.append(link) imgSrc = re.findall(findImgSrc, item)[

0] data.append(imgSrc) titles = re.findall(findTitle, item) if (len(titles) ==

2): ctitle = titles[0] data.append(ctitle) otitle = titles[

1].replace("/", "") #消除转义字符 data.append(otitle) else: data.append(titles[

0]) data.append() rating = re.findall(findRating, item)[0] data.append(rating) judgeNum = re.findall(findJudge, item)[

0] data.append(judgeNum) inq = re.findall(findInq, item) if len(inq) !=

0: inq = inq[0].replace("", "") data.append(inq) else: data.append(。

" ") bd = re.findall(findBd, item)[0] bd = re.sub((\s+)?, "", bd) bd = re.sub(

/, "", bd) data.append(bd.strip()) datalist.append(data) return datalist

# 得到指定一个URL的网页内容defaskURL(url): head = { # 模拟浏览器头部信息，向豆瓣服务器发送消息"User-Agent": "Mozilla / 5.0(Windows NT 10.0; Win64; x64) AppleWebKit / 537.36(KHTML, like Gecko) Chrome / 80.0.3987.122 Safari / 537.36"

} # 用户代理，表示告诉豆瓣服务器，我们是什么类型的机器、浏览器（本质上是告诉浏览器，我们可以接收什么水平的文件内容） request = urllib.request.Request(url, headers=head) html =

""try: response = urllib.request.urlopen(request) html = response.read().decode("utf-8"

) except urllib.error.URLError as e: if hasattr(e, "code"): print(e.code)

if hasattr(e, "reason"): print(e.reason) return html # 保存数据到表格defsaveData(datalist,savepath)

: print("save.......") book = xlwt.Workbook(encoding="utf-8",style_compression=0) #创建workbook对象

sheet = book.add_sheet(豆瓣电影Top250, cell_overwrite_ok=True) #创建工作表 col = ("电影详情链接","图片链接","影片中文名"

,"影片外国名","评分","评价数","概况","相关信息") for i in range(0,8): sheet.write(0,i,col[i]) #列名for i in

range(0,250): # print("第%d条" %(i+1)) #输出语句，用来测试 data = datalist[i] for

j in range(0,8): sheet.write(i+1,j,data[j]) #数据 book.save(savepath) #保存# def saveData2DB(datalist,dbpath):

# init_db(dbpath)# conn = sqlite3.connect(dbpath)# cur = conn.cursor()# for data in datalist:

# for index in range(len(data)):# if index == 4 or index == 5:# continue

# data[index] = "+data[index]+"# sql = # insert into movie250(

# info_link,pic_link,cname,ename,score,rated,instroduction,info)# values (%s)%",".join(data)

# # print(sql) #输出查询语句，用来测试# cur.execute(sql)# conn.commit()# cur.close

# conn.close()# def init_db(dbpath):# sql = # create table movie250(# id integer primary key autoincrement,

# info_link text,# pic_link text,# cname varchar,# ename varchar ,# score numeric,

# rated numeric,# instroduction text,# info text# )### #创建数据表# conn = sqlite3.connect(dbpath)

# cursor = conn.cursor()# cursor.execute(sql)# conn.commit()# conn.close()# 保存数据到数据库if

__name__ == "__main__": # 当程序执行时# 调用函数 main() # init_db("movietest.db")      print("爬取完毕！"

)下面我根据代码，从上到下给大家讲解分析一遍

更多爬虫、数据分析、全栈开发、人工智能学习资料自取 私信@Python阿执回复关键词【资料】-- codeing = utf-8 --，开头的这个是设置编码为utf-8 ，写在开头，防止乱码然后下面 。

import就是导入一些库，做做准备工作，（sqlite3这库我并没有用到所以我注释起来了）下面一些find开头的是正则表达式，是用来我们筛选信息的（正则表达式用到 re 库，也可以不用正则表达式，不是必须的。

）大体流程分三步走：1. 爬取网页2.逐一解析数据3. 保存网页先分析流程1，爬取网页，baseurl 就是我们要爬虫的网页网址，往下走，调用了 getData（baseurl) ,我们来看 getData方法

foriinrange(0,10):# 调用获取页面信息的函数，10次url=baseurl+str(i*25)这段大家可能看不懂，其实是这样的：因为电影评分Top250，每个页面只显示25个，所以我们需要访问页面10次，25*10=250。

baseurl = "https://movie.douban.com/top250?start="我们只要在baseurl后面加上数字就会跳到相应页面，比如i=1时https://movie.douban.com/top250?start=25

我放上超链接，大家可以点击看看会跳到哪个页面，毕竟实践出真知。

更多爬虫、数据分析、全栈开发、人工智能学习资料自取 私信@Python阿执回复关键词【资料】然后又调用了askURL来请求网页，这个方法是请求网页的主体方法，怕大家翻页麻烦，我再把代码复制一遍，让大家有个直观感受

defaskURL(url): head = { # 模拟浏览器头部信息，向豆瓣服务器发送消息"User-Agent": "Mozilla / 5.0(Windows NT 10.0; Win64; x64) AppleWebKit / 537.36(KHTML, like Gecko) Chrome / 80.0.3987.122 Safari / 537.36"

} # 用户代理，表示告诉豆瓣服务器，我们是什么类型的机器、浏览器（本质上是告诉浏览器，我们可以接收什么水平的文件内容） request = urllib.request.Request(url, headers=head) html =

""try: response = urllib.request.urlopen(request) html = response.read().decode("utf-8"

) except urllib.error.URLError as e: if hasattr(e, "code"): print(e.code)

if hasattr(e, "reason"): print(e.reason)     return html这个askURL就是用来向网页发送请求用的，那么这里就有老铁问了，为什么这里要写个head呢？

这是因为我们要是不写的话，访问某些网站的时候会被认出来爬虫，显示错误，错误代码418这是一个梗大家可以百度下，418 I’m a teapotThe HTTP 418 I’m a teapot client error response code indicates that

the server refuses to brew coffee because it is a teapot. This erroris a reference to Hyper Text Coffee Pot Control Protocol which was an

April Fools’ joke in 1998.我是一个茶壶

所以我们需要 “装” ，装成我们就是一个浏览器，这样就不会被认出来，伪装一个身份。

更多爬虫、数据分析、全栈开发、人工智能学习资料自取 私信@Python阿执回复关键词【资料】来，我们继续往下走，  html = response.read().decode("utf-8")这段就是我们读取网页的内容，设置编码为utf-8，目的就是为了防止乱码。

访问成功后，来到了第二个流程：2.逐一解析数据解析数据这里我们用到了 BeautifulSoup（靓汤） 这个库，这个库是几乎是做爬虫必备的库，无论你是什么写法下面就开始查找符合我们要求的数据，用BeautifulSoup的方法以及 re 库的。

r

0) #创建workbook对象 sheet = book.add_sheet(豆瓣电影Top250, cell_overwrite_ok=True) #创建工作表 col = ("电影详情链接"

,"图片链接","影片中文名","影片外国名","评分","评价数","概况","相关信息") for i in range(0,8): sheet.write(0,i,col[i])

#列名for i in range(0,250): # print("第%d条" %(i+1)) #输出语句，用来测试 data = datalist[i]

for j in range(0,8): sheet.write(i+1,j,data[j]) #数据     book.save(savepath) #保存创建工作表，创建（会在当前目录下创建），

sheet = book.add_sheet(豆瓣电影Top250, cell_overwrite_ok=True) #创建工作表     col = ("电影详情链接","图片链接","影片中文名",

"影片外国名","评分","评价数","概况","相关信息")然后把 dataList里的数据一条条存进去就行。最后运作成功后，会在左侧生成这么一个文件

打开之后看看是不是我们想要的结果

更多爬虫、数据分析、全栈开发、人工智能学习资料自取 私信@Python阿执回复关键词【资料】成了，成了！

更多爬虫、数据分析、全栈开发、人工智能学习资料自取 私信@Python阿执回复关键词【资料】如果我们需要以数据库方式存储，可以先生成 xls 文件，再把 xls 文件导入数据库中，就可以啦本篇文章讲解到这里啦，我感觉我讲得还算细致吧，爬虫我也是最近才可以学，对这个比较有兴趣，我肯定有讲得不好的地方，欢迎各位大佬来指正我 。

我也在不断地学习中，学到新东西第一时间会跟大家分享大家可以动动小手，点波关注不迷路如果关于本篇文章有不懂的地方，欢迎大家下面留言，我知道的都会给大家一 一解答白嫖不好，创作不易各位的点赞就是我创作的最大动力，如果我有哪里写得不对，欢迎评论区留言进行指正。

老铁，如果有收获，请点个免费的赞鼓励一下博主呗

来源：http://suo.im/5wZ1fZ

亲爱的读者们，感谢您花时间阅读本文。如果您对本文有任何疑问或建议，请随时联系我。我非常乐意与您交流。