作为一位电影爱好者，你可能经常关注豆瓣电影上的Top250电影榜单，想要了解哪些电影备受推崇。而且，你可能也希望将一些你喜欢的电影的海报保存下来，以便日后欣赏或分享。但是，手动一个一个点击电影，然后下载海报显然是一项枯燥的任务。
好在有Python这个强大的工具，你可以编写一个简单的脚本，自动爬取豆瓣电影Top250的电影海报，将它们保存到你的电脑上。这不仅能够省时省力，还能够让你一次性获取所有电影的海报。接下来，我将向你展示如何使用Python来实现这一目标。
步骤 1：导入必要的库
首先，我们需要导入一些Python库，以便后续的操作。我们将使用requests库来发送HTTP请求，以获取豆瓣电影Top250的页面内容。此外，我们还将使用正则表达式（re库）来从页面中提取电影海报的信息。
import requests
import re步骤 2：设置请求头
在发送HTTP请求之前，我们需要设置一些请求头，以模拟浏览器的请求，避免被豆瓣服务器拒绝访问。这是一种常见的做法，以确保我们的爬虫行为合法且不会被阻止。
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/115.0.0.0 Safari/537.36 Edg/115.0.1901.188"
}步骤 3：爬取豆瓣电影Top250页面
接下来，我们将编写代码来发送HTTP请求，获取豆瓣电影Top250的页面内容。豆瓣电影Top250的页面URL中包含了不同页数的数据，我们可以通过循环来遍历多个页面，获取更多电影信息。
for i in range(0, 226, 25):
url = f"https://movie.douban.com/top250?start={i}&filter="
response = requests.get(url, headers=headers)在这个示例中，我们使用range函数生成了一系列不同页数的URL，每页包含25部电影。通过循环，我们可以逐页获取电影信息。
步骤 4：使用正则表达式提取电影海报信息
豆瓣电影Top250页面中包含了电影的信息，其中包括电影的海报URL。我们可以使用正则表达式来提取这些URL。以下是提取电影海报URL的代码示例：
a = re.findall("<img width=\"100\" alt=\"(.*?)\"", response.text, re.S)
for vbn in a:
print(vbn)在这段代码中，我们使用re.findall函数来查找页面中与正则表达式"<img width=\"100\" alt=\"(.*?)\""匹配的内容。这个正则表达式用于匹配电影海报的URL。然后，我们将提取到的海报URL打印出来。
完整代码
下面是整个爬取豆瓣电影Top250电影海报的完整代码：
import requests
import re
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/115.0.0.0 Safari/537.36 Edg/115.0.1901.188"
}
for i in range(0, 226, 25):
url = f"https://movie.douban.com/top250?start={i}&filter="
response = requests.get(url, headers=headers)
a = re.findall("<img width=\"100\" alt=\"(.*?)\"", response.text, re.S)
for vbn in a:
print(vbn)结语
通过这个简单的Python脚本，你可以轻松地爬取豆瓣电影Top250的电影海报信息，而不需要手动一个一个点击下载。这个技巧不仅可以用于获取电影海报，还可以用于爬取其他类型的信息，只需稍作修改即可。
通过本教程，你已经学会了如何使用Python编写一个简单的爬虫脚本，用于获取豆瓣电影Top250的电影海报信息。这个技巧可以帮助你节省时间，快速获取感兴趣的电影海报，同时也是学习Python网络爬虫的一个有趣的项目。希望你能够充分利用这个方法，获取更多有用的数据！
微信扫一扫 
