爬虫">简单来说：
爬虫，即网络蜘蛛，是伪装成客户端与服务器进行数据交互的程序。
代码
代码教程分享（无偿）：
思路
1.获取网页的源码
pythondef askURL(url):head={"User-Agent":"Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/121.0.0.0 Mobile Safari/537.36 Edg/121.0.0.0"}request = urllib.request.Request(url,headers=head)html= ""try:response=urllib.request.urlopen(request)html=response.read().decode("utf-8")#print(html)except urllib.error.URLError as e:if hasattr(e,"code"):print(e.code)if hasattr(e,"reason"):print(e.reason)return html用个循环，根据网页制定一下url
找到用于伪装客户端User-Agent
在network里刷新一下网页，找到发送的标头header
这个是user-agent：Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/121.0.0.0 Mobile Safari/537.36 Edg/121.0.0.0
用urllib获取你制定的url的源码
在 try 块中：
调用 urllib.request.urlopen(request) 发送HTTP请求，并获取响应对象 response。
通过 response.read() 获取服务器返回的原始二进制数据。
使用 decode("utf-8") 方法将二进制数据解码成UTF-8编码的字符串，并将其赋值给变量 html。
如果在执行 urlopen 函数过程中出现 urllib.error.URLError 异常，则进入 except 块：
判断异常对象是否包含 .code 属性，如果有则打印出HTTP状态码。
再判断异常对象是否包含 .reason 属性，如果有则打印出错误原因。
最后，无论是否发生异常，都返回抓取到的网页HTML内容（即变量 html）
2.解析数据
pythondef getDate(baseurl):datalist = []# 1.爬取网页for i in trange(0,10):url = baseurl + str(i*25)html = askURL(url) #保存获取到的网络源码soup = BeautifulSoup(html,"html.parser")for item in soup.find_all('div',class_="item"):# 2.逐一解析数据item =str(item)data=[]name = re.findall(findName,item)[0]data.append(name)link = re.findall(findLink,item)[0]data.append(link)img = re.findall(findImagesrc,item)[0]data.append(img)rating = re.findall(findRating,item)data.append(rating)comment = re.findall(findComment,item)if len(comment)!=0:comment=comment[0].replace("。","")data.append(comment)else:data.append(" ")datalist.append(data)return datalistBeautifulSoup
bs4是一个强大的库，用于从HTML和XML文件中提取数据，它能够将复杂的HTML结构转换成树形结构（即元素树），使得开发者可以方便地搜索、遍历以及修改网页内容。
"html.parser": 这是BeautifulSoup用来解析HTML文档的解析器。在这个案例中，它是指Python自带的标准HTML解析器。除了标准的解析器外，BeautifulSoup还可以配合其他第三方解析器如 lxml 来使用。
用bs4和re筛选信息
3.保存数据 写入excel表中
需要用到xwlt库
pythondef savedata(datalist,savepath):book = xlwt.Workbook(encoding="utf-8",style_compression=0) #压缩样式效果，设为0sheet = book.add_sheet('top250',cell_overwrite_ok=True) #每个单元在写入时覆盖以前的内容col = ('电影中文名','电影详情链接','图片链接','电影评分','电影热评')for i in range(0,len(col)):sheet.write(0,i,col[i]) #列名for i in range (0,250):data = datalist[i]for j in range (0,len(col)):sheet.write(i+1,j,data[j])book.save(savepath)
