剛接觸python不久，做一個小項目來練練手。前幾天看了《戰狼2》，發現它在最新上映的電影里面是排行第一的，如下圖所示。準備把豆瓣上對它的影評做一個分析。

目標總覽

主要做了三件事：

使用的python版本是3.5.

一、抓取網頁數據

第一步要對網頁進行訪問，python中使用的是urllib庫。代碼如下：

from urllib import requestresp = request.urlopen('https://movie.douban.com/nowplaying/hangzhou/')html_data = resp.read().decode('utf-8')

其中https://movie.douban.com/nowp…是豆瓣最新上映的電影頁面，可以在瀏覽器中輸入該網址進行查看。

html_data是字符串類型的變量，里面存放了網頁的html代碼。輸入print(html_data)可以查看，如下圖所示：

第二步，需要對得到的html代碼進行解析，得到里面提取我們需要的數據。在python中使用BeautifulSoup庫進行html代碼的解析。（注：如果沒有安裝此庫，則使用pip install BeautifulSoup進行安裝即可！）BeautifulSoup使用的格式如下：

BeautifulSoup(html,"html.parser")

第一個參數為需要提取數據的html，第二個參數是指定解析器，然后使用find_all()讀取html標簽中的內容。

但是html中有這么多的標簽，該讀取哪些標簽呢？其實，最簡單的辦法是我們可以打開我們爬取網頁的html代碼，然后查看我們需要的數據在哪個html標簽里面，再進行讀取就可以了。如下圖所示：

從上圖中可以看出在div id=”nowplaying“標簽開始是我們想要的數據，里面有電影的名稱、評分、主演等信息。所以相應的代碼編寫如下：

from bs4 import BeautifulSoup as bssoup = bs(html_data, 'html.parser') nowplaying_movie = soup.find_all('div', id='nowplaying')nowplaying_movie_list = nowplaying_movie[0].find_all('li', class_='list-item') 

其中nowplaying_movie_list 是一個列表，可以用print(nowplaying_movie_list[0])查看里面的內容，如下圖所示：

在上圖中可以看到data-subject屬性里面放了電影的id號碼，而在img標簽的alt屬性里面放了電影的名字，因此我們就通過這兩個屬性來得到電影的id和名稱。（注：打開電影短評的網頁時需要用到電影的id，所以需要對它進行解析），編寫代碼如下：