二元铂 发表于 2023-6-8 05:28:14

【python爬虫实战】用python爬取爱奇艺电视剧十大榜单的全部数据!

目录

[*]一、爬取目标
[*]二、讲解代码
[*]三、查看结果
[*]四、视频演示
[*]五、附完整源码

一、爬取目标

本次爬取的目标是,爱奇艺电视剧类目下的10个榜单:电视剧风云榜-爱奇艺风云榜

可以看到,这10个榜单包含了:
热播榜、飙升榜、必看榜、古装榜、言情榜、都市榜、搞笑榜、年代榜、悬疑榜、奇幻榜。
我们以热播榜为例,打开Chrome浏览器,按F12进入开发者模式,选择网络 -> XHR这个选项,重新刷新一下页面,并且逐次下拉页面到最底部,展现出全部100部电视剧:

查看捕获到的请求链接地址,每翻一次页,出现一条链接地址,并且该地址的响应数据就是20条电视剧的数据。
所以,这个地址就是我们要请求的地址了。
二、讲解代码

首先,导入需要用到的爬虫库:
import requests# 发送请求
import pandas as pd# 存入excel文件
from time import sleep# 随机等待,防止反爬
import random# 设置随机从请求地址的Request Header处,拷贝过来一个请求头,放到代码里:
headers = {
        'accept': 'application/json, text/plain, */*',
        'accept-encoding': 'gzip, deflate, br',
        'accept-language': 'zh-CN,zh;q=0.9,en-US;q=0.8,en;q=0.7',
        'origin': 'https://www.iqiyi.com',
        'referer': 'https://www.iqiyi.com/',
        'sec-ch-ua': '" Not A;Brand";v="99", "Chromium";v="100", "Google Chrome";v="100"',
        'sec-ch-ua-mobile': '?1',
        'sec-ch-ua-platform': '"Android"',
        'sec-fetch-dest': 'empty',
        'sec-fetch-mode': 'cors',
        'sec-fetch-site': 'same-site',
        'user-agent': 'Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/100.0.4896.60 Mobile Safari/537.36'
}爱奇艺的这个榜单页面,反爬不那么厉害,请求头中连cookie都不用加!
由于我想自动爬取这10个榜单,每个榜单对应一个tag标签,从哪里获取呢?经过分析,是从另外一个请求地址返回的:

发现了吗?每个榜单名称是一个tagName,对应一个tagId。拿到tagId,带入到榜单数据的请求地址中:
for page in range(1, 5):
        url = 'https://pcw-api.iqiyi.com/strategy/pcw/data/topRanksData?page_st={}&tag={}&category_id=2&date=&pg_num={}'.format(v_tag_id, v_tag_id, page)
        r = requests.get(url, headers=headers)这样,就完成了向页面发送请求的过程。
顺便说一下这个for循环,一共翻4页,每页25条数据,对应一共100部电视剧。
用json格式接收返回的数据:
json_data = r.json()然后开始解析json数据:
content_list = json_data['data']['formatData']['data']['content']
for content in content_list:
        # 排名
        order_list.append(order)
        # 标题
        title_list.append(content['title'])
        print(order, ' ', content['title'])
        # 描述
        try:
                desc_list.append(content['desc'])
        except:
                desc_list.append('')
        # 标签
        tags_list.append(content['tags'])
        tag_info = content['tags'].split(' / ')
        # 上映年份
        year = tag_info
        year_list.append(year)
        # 主演
        actor = tag_info[-1]
        actor_list.append(actor)
        # 弹幕
        try:
                danmu_list.append(content['danmu'].replace('条弹幕', ''))
        except:
                danmu_list.append('')
        # 霸榜
        try:
                babang_list.append(content['babang'])
        except:
                babang_list.append('')
        # 实时热度
        if v_tag_name == '飙升榜':
                index_list.append(content['index'] + '%')
        else:
                index_list.append(content['index'])
        order += 1最后,依然采用我最顺手的方法,拼装成DataFrame的格式,保存到excel文件:
df = pd.DataFrame({
                '排名': order_list,
                '标题': title_list,
                '描述': desc_list,
                '标签': tags_list,
                '上映年份': year_list,
                '主演': actor_list,
                '弹幕': danmu_list,
                '霸榜': babang_list,
                '实时热度': index_list,
        })
if v_tag_name == '飙升榜':# 如果是飙升榜,把excel标题中的'实时热度'改为'飙升幅度'
        df.rename(columns={'实时热度': '飙升幅度'}, inplace=True)
df.to_excel('爱奇艺电视剧_{}.xlsx'.format(v_tag_name), index=False)这里,需要注意一个小逻辑,飙升榜的'实时热度'需要rename为'飙升幅度',因为飙升榜跟其他榜单不一样!

三、查看结果

共爬取到10个榜单文件:

随便打开一个文件,比如,热播榜:

比如,都市榜:

除了搞笑榜有40+条数据,其他榜单都是100条数据,对应100部电视剧。
四、视频演示

代码演示视频:https://www.bilibili.com/video/BV1fT4y1e7wd/
五、附完整源码

完整源码:【python爬虫实战】用python爬取《爱奇艺风云榜》电视剧十大榜单!2023.6发布
我是 @马哥python说 ,持续分享python源码干货中!

来源:https://www.cnblogs.com/mashukui/p/17465049.html
免责声明:由于采集信息均来自互联网,如果侵犯了您的权益,请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容,谢谢合作!
页: [1]
查看完整版本: 【python爬虫实战】用python爬取爱奇艺电视剧十大榜单的全部数据!