【python爬虫实战】用python爬取爱奇艺电视剧十大榜单的全部数据！

钓客

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：

1. import requests  # 发送请求
2. import pandas as pd  # 存入excel文件
3. from time import sleep  # 随机等待，防止反爬
4. import random  # 设置随机

复制代码

从请求地址的Request Header处，拷贝过来一个请求头，放到代码里：

1. headers = {
2.         'accept': 'application/json, text/plain, */*',
3.         'accept-encoding': 'gzip, deflate, br',
4.         'accept-language': 'zh-CN,zh;q=0.9,en-US;q=0.8,en;q=0.7',
5.         'origin': 'https://www.iqiyi.com',
6.         'referer': 'https://www.iqiyi.com/',
7.         'sec-ch-ua': '" Not A;Brand";v="99", "Chromium";v="100", "Google Chrome";v="100"',
8.         'sec-ch-ua-mobile': '?1',
9.         'sec-ch-ua-platform': '"Android"',
10.         'sec-fetch-dest': 'empty',
11.         'sec-fetch-mode': 'cors',
12.         'sec-fetch-site': 'same-site',
13.         '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'
14. }

复制代码

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：

1. for page in range(1, 5):
2.         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)
3.         r = requests.get(url, headers=headers)

复制代码

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：

1. json_data = r.json()

复制代码

然后开始解析json数据：

1. content_list = json_data['data']['formatData']['data']['content']
2. for content in content_list:
3.         # 排名
4.         order_list.append(order)
5.         # 标题
6.         title_list.append(content['title'])
7.         print(order, ' ', content['title'])
8.         # 描述
9.         try:
10.                 desc_list.append(content['desc'])
11.         except:
12.                 desc_list.append('')
13.         # 标签
14.         tags_list.append(content['tags'])
15.         tag_info = content['tags'].split(' / ')
16.         # 上映年份
17.         year = tag_info[0]
18.         year_list.append(year)
19.         # 主演
20.         actor = tag_info[-1]
21.         actor_list.append(actor)
22.         # 弹幕
23.         try:
24.                 danmu_list.append(content['danmu'].replace('条弹幕', ''))
25.         except:
26.                 danmu_list.append('')
27.         # 霸榜
28.         try:
29.                 babang_list.append(content['babang'])
30.         except:
31.                 babang_list.append('')
32.         # 实时热度
33.         if v_tag_name == '飙升榜':
34.                 index_list.append(content['index'] + '%')
35.         else:
36.                 index_list.append(content['index'])
37.         order += 1

复制代码

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：

1. df = pd.DataFrame({
2.                 '排名': order_list,
3.                 '标题': title_list,
4.                 '描述': desc_list,
5.                 '标签': tags_list,
6.                 '上映年份': year_list,
7.                 '主演': actor_list,
8.                 '弹幕': danmu_list,
9.                 '霸榜': babang_list,
10.                 '实时热度': index_list,
11.         })
12. 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'
13.         df.rename(columns={'实时热度': '飙升幅度'}, inplace=True)
14. df.to_excel('爱奇艺电视剧_{}.xlsx'.format(v_tag_name), index=False)

复制代码

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：
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！