我尝试抓取的网站是http://www.boxofficemojo.com/yearly/chart/?yr=2013&p=.htm。我现在关注的具体页面是http://www.boxofficemojo.com/movies/?id=catchingfire.htm。从这个页面,我无法得到两件事。首先,我需要获得"外国总和"金额(在终身总寿命下)。我不确定如何做到这一点,因为当我检查元素时,它似乎没有特定的标签,并且周围有大量的css标签。我怎样才能获得这条数据?
接下来,我正在尝试获取每部电影的演员列表。我已经成功地获得了所有附加链接的演员(通过搜索a href标签),但是我无法获得没有链接的演员。
def spider(max_pages):
page = 1
while page <= max_pages:
url = 'http://www.boxofficemojo.com/yearly/chart/?page=' + str(page) + '&view=releasedate&view2=domestic&yr=2013&p=.htm'
source_code = requests.get(url)
plain_text = source_code.text
soup = BeautifulSoup(plain_text)
for link in soup.select('td > b > font > a[href^=/movies/?]'):
href = 'http://www.boxofficemojo.com' + link.get('href')
details(href)
listOfDirectors.append(getDirectors(href))
str(listOfDirectors).replace('[','').replace(']','')
listOfActors.append(getActors(href))
str(listOfActors).replace('[','').replace(']','')
getActors(href)
title = link.string
listOfTitles.append(title)
page += 1
def getActors(item_url):
source_code = requests.get(item_url)
plain_text = source_code.text
soup = BeautifulSoup(plain_text)
tempActors = []
for actor in soup.select('td > font > a[href^=/people/chart/?view=Actor]'):
tempActors.append(str(actor.string))
return tempActors
我在getActors函数中正在做的是将每个影片的每个actor放入一个临时列表,然后在spider()函数中,我将该列表附加到每个电影的完整列表中。我获得演员的当前方式是:
for actor in soup.select('td > font > a[href^=/people/chart/?view=Actor]'):
tempActors.append(str(actor.string))
对于没有链接的演员来说,这显然不起作用。我试过了
for actor in soup.findAll('br', {'class', 'mp_box_content'}):
tempActors.append(str(actor.string))
但这不起作用,它不会添加任何东西。我怎样才能得到所有演员,无论他们是否有链接?
答案 0 :(得分:3)
要获得&#34; Foreign Gross&#34;,获取包含&#34; Foreign:&#34;的元素。文本并找到td
父级的下一个td
兄弟:
In [4]: soup.find(text="Foreign:").find_parent("td").find_next_sibling("td").get_text(strip=True)
Out[4]: u'$440,244,916'
对于演员,可以应用类似的技巧:找到Actors:
,找到tr
父级并查找其中的所有文本节点(text=True
):
In [5]: soup.find(text="Actors:").find_parent("tr").find_all(text=True)[1:]
Out[5]:
[u'Jennifer Lawrence',
u'Josh Hutcherson',
u'Liam Hemsworth',
u'Elizabeth Banks',
u'Stanley Tucci',
u'Woody Harrelson',
u'Philip Seymour Hoffman',
u'Jeffrey Wright',
u'Jena Malone',
u'Amanda Plummer',
u'Sam Claflin',
u'Donald Sutherland',
u'Lenny Kravitz']
请注意,这已证明适用于此特定页面。在其他电影页面上测试它并确保它产生所需的结果。