不会写Python代码如何抓取豆瓣电影 Top 250
说到爬虫,大多数人会想到用Python来做,毕竟简单好用,比如想抓取豆瓣电影top250 的所有电影数据。
简单的代码如下:
import requests
from bs4 import BeautifulSoup
url = 'https://movie.douban.com/top250'
headers = {'user-agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/77.0.3865.120 Safari/537.36'}
s = BeautifulSoup(requests.get(url, headers=headers).text, 'html.parser')
for link in s.find_all('span', class_='title'):
print(link.text)
这样就可以输出第一页的所有电影标题,第二页的数据还需要代码处理。
但对于非程序员还是有难度的,有没有不用写代码就能抓取数据的爬虫工具呢,下面介绍几个非常实用的爬虫工具,这里还是以爬取豆瓣电影top250为例。
爬山虎采集器
爬山虎采集器是一款简单易用的网页数据采集工具,通过智能算法+可视化界面,随心所欲抓取自己想到的数据。先在官网 http://www.51pashanhu.com/download 下载软件,现在我下载的版本是 v2.4.7.0 ,它已经内置了几个采集设置了,比如百度搜索,淘宝商品等。
先输入要采集的网址https://movie.douban.com/top250自动识别分页
后羿采集器
后羿采集器是一款面向零基础用户的,不限制采集和导出采集结果数量,免费不要积分的采集器,只需要输入网址就能智能识别采集结果,简直小白神器!在官网 http://www.houyicaiji.com/ 下载好软件
输入网址https://movie.douban.com/top250,它会自动分页加载。
电影名
试试。
八爪鱼采集器
八爪鱼数据采集器是一款使用简单、功能强大的网络爬虫工具,完全可视化操作,无需编写代码,内置海量模板,支持任意网络数据抓取,简易采集模式内置上百种主流网站数据源,如京东、天猫、大众点评等热门采集网站,只需参照模板简单设置参数,就可以快速获取网站公开数据。软件下载地址 https://www.bazhuayu.com/download ,这个我就不演示了,另外它还有英文版 https://www.octoparse.com/download
集搜客
号称把互联网装进表格和数据库 ,网址 https://www.gooseeker.com/
Web Scraper
Web Scraper 是一款免费的、适用于任何人(没有任何编程基础)的爬虫工具。操作简单,只需鼠标点击和简单的配置,就能快速的爬取 Web 端的数据。网址 https://webscraper.io,需要先下载Chrome扩展 https://chrome.google.com/webstore/detail/web-scraper/jnhgnonknehpejjnehehllkliplmbmhn 如果上不了谷歌在公众号回复 谷歌
获取扩展。
具体使用教程可以参考明白大佬的文章https://www.jianshu.com/p/cd5124ac0871,作者还专门开了一门课程《不用写代码的爬虫课》。
有了上面这些工具,不会写代码的你也能轻松抓取你想要的公开数据。
推荐阅读: