爬取豆瓣电影top250并简单分析

代码：

import requests
from bs4 import BeautifulSoup
import pymongo
import re

client = pymongo.MongoClient('localhost', 27017)
douban = client['douban']
top250 = douban['top250']

urls = ['https://movie.douban.com/top250?start={}'.format(str(i)) for i in range(0,250,25)]

def get_info(url):
    wb_data = requests.get(url)
    soup = BeautifulSoup(wb_data.text,'lxml')
    names = soup.select('div.hd > a')
    times = re.findall('
(.*?) ',wb_data.text,re.S)
    places = re.findall(' / (.*?) / ',wb_data.text)
    levels = soup.select('span.rating_num')
    quotes = soup.select('span.inq')
    for name,time,place,level,quote in zip(names,times,places,levels,quotes):
        info = {
            'name': name.get_text().split('/')[0].split('\n')[1],
            'time': time.split('\n')[1].replace(' ',''),
            'place': place,
            'level': level.get_text(),
            'quote': quote.get_text()
        }
        top250.insert_one(info)

for url in urls:
    get_info(url)

实际爬取243条电影，出了一点小问题，建议大家爬取信息进入网站里面去爬会保险点，我这里懒得再重写了。然后导出excel表格，进行分析

简单分析

1.电影拿走不谢，请叫我雷锋
2.美国，日本，中国上榜电影拍前三
3.主要的电影内容：信仰，青春，科幻，情怀等
4.电影数最多的几年为1995~2013，近几年电影较少，原因大概为：虽然制片投入和电影效果越来越好，但内容却没以前那么好了。