> python爬蟲學習給自己定下的第一個小目標, 加油! > 也希望能得到python大大們的指點, 感謝! * * * # 1\. 豆瓣抓站流程 1. 分析url特征(`菜鳥階段`) 2. 對需要抓取的數據設計正則表達式 3. 處理HTML中一些特征字符,換行符等 > 注意異常的處理和字符編碼的處理 # 2\. 實現的功能 **簡單的實現了抓取豆瓣電影Top100的電影名稱** # 3\. 后期工作展望 * 抓取更多的有用數據(如:準確抓取導演, 抓取一個電影評論) * 使用多線程爬蟲 * 學習第三方的爬蟲框架(`Scrapy`) * 深入理解HTML編碼和文本處理 # 4\. 輸出結果 ~~~ Top1 肖申克的救贖 Top2 這個殺手不太冷 Top3 阿甘正傳 Top4 霸王別姬 Top5 美麗人生 Top6 海上鋼琴師 Top7 辛德勒的名單 Top8 千與千尋 Top9 機器人總動員 Top10 三傻大鬧寶萊塢 Top11 泰坦尼克號 Top12 盜夢空間 Top13 放牛班的春天 Top14 龍貓 Top15 忠犬八公的故事 Top16 教父 Top17 大話西游之大圣娶親 Top18 亂世佳人 Top19 天堂電影院 Top20 搏擊俱樂部 Top21 當幸福來敲門 Top22 羅馬假日 Top23 楚門的世界 Top24 海豚灣 Top25 指環王3：王者無敵 Top26 兩桿大煙槍 Top27 天空之城 Top28 飛越瘋人院 Top29 觸不可及 Top30 飛屋環游記 Top31 十二怒漢 Top32 鬼子來了 Top33 天使愛美麗 Top34 大話西游之月光寶盒 Top35 竊聽風暴 Top36 V字仇殺隊 Top37 怦然心動 Top38 無間道 Top39 聞香識女人 Top40 蝙蝠俠：黑暗騎士 Top41 美麗心靈 Top42 指環王2：雙塔奇兵 Top43 指環王1：魔戒再現 Top44 剪刀手愛德華 Top45 活著 Top46 教父2 Top47 七宗罪 Top48 勇敢的心 Top49 情書 Top50 哈爾的移動城堡 Top51 熔爐 Top52 美國往事 Top53 死亡詩社 Top54 音樂之聲 Top55 鋼琴家 Top56 小鞋子 Top57 被嫌棄的松子的一生 Top58 獅子王 Top59 致命魔術 Top60 瑪麗和馬克思 Top61 低俗小說 Top62 入殮師 Top63 蝴蝶效應 Top64 少年派的奇幻漂流 Top65 沉默的羔羊 Top66 大魚 Top67 射雕英雄傳之東成西就 Top68 陽光燦爛的日子 Top69 本杰明·巴頓奇事 Top70 幽靈公主 Top71 第六感 Top72 讓子彈飛 Top73 黑客帝國 Top74 拯救大兵瑞恩 Top75 上帝之城 Top76 螢火蟲之墓 Top77 陽光姐妹淘 Top78 心靈捕手 Top79 飲食男女 Top80 大鬧天宮 Top81 西西里的美麗傳說 Top82 海洋 Top83 一一 Top84 重慶森林 Top85 燃情歲月 Top86 愛在黎明破曉前 Top87 愛在日落黃昏時 Top88 風之谷 Top89 春光乍泄 Top90 虎口脫險 Top91 加勒比海盜 Top92 告白 Top93 側耳傾聽 Top94 甜蜜蜜 Top95 阿凡達 Top96 菊次郎的夏天 Top97 馴龍高手 Top98 真愛至上 Top99 致命ID Top100 超脫 ~~~ # 5\. 豆瓣抓站源代碼 [抓站源代碼鏈接](https://github.com/Andrew-liu/dou_ban_spider) [個人使用的Python編碼規范] [python正則表達式小計]