分享Python7个爬虫小案例（附源码）

旧城等待， 2024-04-24 23:33 1阅读 0赞

本次的7个python爬虫小案例涉及到了re正则、xpath、beautiful soup、selenium等知识点，非常适合刚入门python爬虫的小伙伴参考学习。注：若涉及到版权或隐私问题，请及时联系我删除即可。

### **1.使用正则表达式和文件操作爬取并保存“某吧”某帖子全部内容（该帖不少于5页。** ###

本次选取的是某吧中的NBA吧中的一篇帖子,帖子标题是“克莱和哈登，谁历史地位更高”。爬取的目标是帖子里面的回复内容。

**源程序和关键结果截图：**

import csv
    import requests
    import re
    import time
    
    def main(page):
        url = f'https://tieba.baidu.com/p/7882177660?pn={page}'
        headers = {
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/106.0.0.0 Safari/537.36'
        }
        resp = requests.get(url,headers=headers)
        html = resp.text
        # 评论内容
        comments = re.findall('style="display:;">                    (.*?)</div>',html)
        # 评论用户
        users = re.findall('class="p_author_name j_user_card" href=".*?" target="_blank">(.*?)</a>',html)
        # 评论时间
        comment_times = re.findall('楼</span><span class="tail-info">(.*?)</span><div',html)
        for u,c,t in zip(users,comments,comment_times):
            # 筛选数据,过滤掉异常数据
            if 'img' in c or 'div' in c or len(u)>50:
                continue
            csvwriter.writerow((u,t,c))
            print(u,t,c)
        print(f'第{page}页爬取完毕')
    
    if __name__ == '__main__':
        with open('01.csv','a',encoding='utf-8')as f:
            csvwriter = csv.writer(f)
            csvwriter.writerow(('评论用户','评论时间','评论内容'))
            for page in range(1,8):  # 爬取前7页的内容
                main(page)
                time.sleep(2)

![8d5a69e30b5449fbb677e4be064fc963.png][]

### **2.实现多线程爬虫爬取某小说部分章节内容并以数据库存储（不少于10个章节。** ###

![01f61741c9a84b6bb4b12498f16edd82.png][]

本次选取的小说网址是某小说网，这里我们选取第一篇小说进行爬取

![ed2ce912fbd14a75b8dfed6342ab3f06.png][]

然后通过分析网页源代码分析每章小说的链接

![4d7f615189bb417a821ab6a686a28982.png][]

找到链接的位置后，我们使用Xpath来进行链接和每一章标题的提取

![3c03666485984c8f9f27aa30be4ef466.png][]

在这里，因为涉及到多次使用requests发送请求，所以这里我们把它封装成一个函数，便于后面的使用

![268e63f31f6546b0bc938e0a6039047f.png][]

每一章的链接获取后，我们开始进入小说章节内容页面进行分析

![cb33f367bb05454c859ba7549e8386ed.png][]

通过网页分析，小说内容都在网页源代码中，属于静态数据

![6a0098e531234beaa498ff3dcbc850f1.png][]

这里我们选用re正则表达式进行数据提取，并对最后的结果进行清洗

![9935503b3d5f4280b26546b0f49c5889.png][]

然后我们需要将数据保存到数据库中，这里我将爬取的数据存储到mysql数据库中，先封住一下数据库的操作

![911036d39abe4236bde3699ef5d8930f.png][]

接着将爬取到是数据进行保存

![db3c4292babb491d89615b9b5535be30.png][]

最后一步就是使用多线程来提高爬虫效率，这里我们创建了5个线程的线程池

![7a3d0c33a5434dad8cb0539008fadf75.png][]

**源代码及结果截图：**

import requests
    from lxml import etree
    import re
    import pymysql
    from time import sleep
    from concurrent.futures import ThreadPoolExecutor
    
    def get_conn():
        # 创建连接
        conn = pymysql.connect(host="127.0.0.1",
                               user="root",
                               password="root",
                               db="novels",
                               charset="utf8")
        # 创建游标
        cursor = conn.cursor()
        return conn, cursor
    
    def close_conn(conn, cursor):
        cursor.close()
        conn.close()
    
    def get_xpath_resp(url):
        headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/106.0.0.0 Safari/537.36'}
        resp = requests.get(url, headers=headers)
        tree = etree.HTML(resp.text)  # 用etree解析html
        return tree,resp
    
    def get_chapters(url):
        tree,_ = get_xpath_resp(url)
        # 获取小说名字
        novel_name = tree.xpath('//*[@id="info"]/h1/text()')[0]
        # 获取小说数据节点
        dds = tree.xpath('/html/body/div[4]/dl/dd')
        title_list = []
        link_list = []
        for d in dds[:15]:
            title = d.xpath('./a/text()')[0]  # 章节标题
            title_list.append(title)
            link = d.xpath('./a/@href')[0]   # 章节链接
            chapter_url = url +link  # 构造完整链接
            link_list.append(chapter_url)
        return title_list,link_list,novel_name
    
    def get_content(novel_name,title,url):
        try:
            cursor = None
            conn = None
            conn, cursor = get_conn()
            # 插入数据的sql
            sql = 'INSERT INTO novel(novel_name,chapter_name,content) VALUES(%s,%s,%s)'
            tree,resp = get_xpath_resp(url)
            # 获取内容
            content = re.findall('<div id="content">(.*?)</div>',resp.text)[0]
            # 对内容进行清洗
            content = content.replace('<br />','\n').replace(' ',' ').replace('全本小说网 www.qb5.tw，最快更新<a href="https://www.qb5.tw/book_116659/">宇宙职业选手</a>最新章节！<br><br>','')
            print(title,content)
            cursor.execute(sql,[novel_name,title,content])  # 插入数据
            conn.commit()  # 提交事务保存数据
        except:
            pass
        finally:
            sleep(2)
            close_conn(conn, cursor)  # 关闭数据库
    
    
    if __name__ == '__main__':
        # 获取小说名字，标题链接，章节名称
        title_list, link_list, novel_name = get_chapters('https://www.qb5.tw/book_116659/')
        with ThreadPoolExecutor(5) as t:  # 创建5个线程
            for title,link in zip(title_list,link_list):
                t.submit(get_content, novel_name,title,link)  # 启动线程

![96c14dd38e1e460d84e70d4c4e371561.png][]

![4601696b266f413bb1e27856d3a34d68.png][] **3. 分别使用XPath和Beautiful Soup4两种方式爬取并保存非异步加载的“某瓣某排行榜”如https://movie.douban.com/top250的名称、描述、评分和评价人数等数据。**

**先分析：**

首先，来到某瓣Top250页面，首先使用Xpath版本的来抓取数据，先分析下电影列表页的数据结构，发下都在网页源代码中，属于静态数据

![640bccf14f4148ae9042941dce0c200e.png][]

接着我们找到数据的规律，使用xpath提取每一个电影的链接及电影名

![203430341802436eb3a07ead7afbadcb.png][]

然后根据链接进入到其详情页

![89921c0f1e2c457fb06790160dfb2a7f.png][]

分析详情页的数据，发现也是静态数据，继续使用xpath提取数据

![d79dc09322ab4dcc8efa62e7eb6e5048.png][]

最后我们将爬取的数据进行存储，这里用csv文件进行存储

![ab0e5cd6126d4107a7662dd9a512c388.png][]

接着是Beautiful Soup4版的，在这里，我们直接在电影列表页使用bs4中的etree进行数据提取

![25fa0e69ade84cccb59aa48c173bb272.png][]

最后，同样使用csv文件进行数据存储

![1ae0362cc0554bad8bc5b687b59b982b.png][]

**源代码即结果截图：**

XPath版：

import re
    from time import sleep
    import requests
    from lxml import etree
    import random
    import csv
    
    def main(page,f):
        url = f'https://movie.douban.com/top250?start={page*25}&filter='
        headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/99.0.4844.35 Safari/537.36',}
        resp = requests.get(url,headers=headers)
        tree = etree.HTML(resp.text)
        # 获取详情页的链接列表
        href_list = tree.xpath('//*[@id="content"]/div/div[1]/ol/li/div/div[1]/a/@href')
        # 获取电影名称列表
        name_list = tree.xpath('//*[@id="content"]/div/div[1]/ol/li/div/div[2]/div[1]/a/span[1]/text()')
        for url,name in zip(href_list,name_list):
            f.flush()  # 刷新文件
            try:
                get_info(url,name)  # 获取详情页的信息
            except:
                pass
            sleep(1 + random.random())  # 休息
        print(f'第{i+1}页爬取完毕')
    
    def get_info(url,name):
        headers = {
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/99.0.4844.35 Safari/537.36',
            'Host': 'movie.douban.com',
        }
        resp = requests.get(url,headers=headers)
        html = resp.text
        tree = etree.HTML(html)
        # 导演
        dir = tree.xpath('//*[@id="info"]/span[1]/span[2]/a/text()')[0]
        # 电影类型
        type_ = re.findall(r'property="v:genre">(.*?)</span>',html)
        type_ = '/'.join(type_)
        # 国家
        country = re.findall(r'地区:</span> (.*?)<br',html)[0]
        # 上映时间
        time = tree.xpath('//*[@id="content"]/h1/span[2]/text()')[0]
        time = time[1:5]
        # 评分
        rate = tree.xpath('//*[@id="interest_sectl"]/div[1]/div[2]/strong/text()')[0]
        # 评论人数
        people = tree.xpath('//*[@id="interest_sectl"]/div[1]/div[2]/div/div[2]/a/span/text()')[0]
        print(name,dir,type_,country,time,rate,people)  # 打印结果
        csvwriter.writerow((name,dir,type_,country,time,rate,people))  # 保存到文件中
    
    if __name__ == '__main__':
        # 创建文件用于保存数据
        with open('03-movie-xpath.csv','a',encoding='utf-8',newline='')as f:
            csvwriter = csv.writer(f)
            # 写入表头标题
            csvwriter.writerow(('电影名称','导演','电影类型','国家','上映年份','评分','评论人数'))
            for i in range(10):  # 爬取10页
                main(i,f)  # 调用主函数
                sleep(3 + random.random())

![698afa65955348ff90a4b57839d32a52.png][]

**Beautiful Soup4** **版：**

import random
    import urllib.request
    from bs4 import BeautifulSoup
    import codecs
    from time import sleep
    
    def main(url, headers):
        # 发送请求
        page = urllib.request.Request(url, headers=headers)
        page = urllib.request.urlopen(page)
        contents = page.read()
        # 用BeautifulSoup解析网页
        soup = BeautifulSoup(contents, "html.parser")
        infofile.write("")
        print('爬取豆瓣电影250: \n')
    
        for tag in soup.find_all(attrs={"class": "item"}):
            # 爬取序号
            num = tag.find('em').get_text()
            print(num)
            infofile.write(num + "\r\n")
            # 电影名称
            name = tag.find_all(attrs={"class": "title"})
            zwname = name[0].get_text()
            print('[中文名称]', zwname)
            infofile.write("[中文名称]" + zwname + "\r\n")
            # 网页链接
            url_movie = tag.find(attrs={"class": "hd"}).a
            urls = url_movie.attrs['href']
            print('[网页链接]', urls)
            infofile.write("[网页链接]" + urls + "\r\n")
            # 爬取评分和评论数
            info = tag.find(attrs={"class": "star"}).get_text()
            info = info.replace('\n', ' ')
            info = info.lstrip()
            print('[评分评论]', info)
            # 获取评语
            info = tag.find(attrs={"class": "inq"})
            if (info):  # 避免没有影评调用get_text()报错
                content = info.get_text()
                print('[影评]', content)
                infofile.write(u"[影评]" + content + "\r\n")
            print('')
    
    
    if __name__ == '__main__':
        # 存储文件
        infofile = codecs.open("03-movie-bs4.txt", 'a', 'utf-8')
        # 消息头
        headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36'}
        # 翻页
        i = 0
        while i < 10:
            print('页码', (i + 1))
            num = i * 25  # 每次显示25部 URL序号按25增加
            url = 'https://movie.douban.com/top250?start=' + str(num) + '&filter='
            main(url, headers)
            sleep(5 + random.random())
            infofile.write("\r\n\r\n")
            i = i + 1
        infofile.close()

![93513627aaf345c2983efdfb43273352.png][]

![7ec7013c173d4c40bdefd94d7fdac16a.png][]

**4.实现某东商城某商品评论数据的爬取（评论数据不少于100条，包括评论内容、时间和评分）。**

先分析：

![84bfb77877b84c5cb8823ec40abddd7a.png][]

本次选取的某东官网的一款联想笔记本电脑，数据为动态加载的，通过开发者工具抓包分析即可。

**源代码及结果截图：**

import requests
    import csv
    from time import sleep
    import random
    
    def main(page,f):
        url = 'https://club.jd.com/comment/productPageComments.action'
        params = {
            'productId': 100011483893,
            'score': 0,
            'sortType': 5,
            'page': page,
            'pageSize': 10,
            'isShadowSku': 0,
            'fold': 1
        }
        headers = {
            'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/99.0.4844.35 Safari/537.36',
            'referer': 'https://item.jd.com/'
        }
        resp = requests.get(url,params=params,headers=headers).json()
        comments = resp['comments']
        for comment in comments:
            content = comment['content']
            content = content.replace('\n','')
            comment_time = comment['creationTime']
            score = comment['score']
            print(score,comment_time,content)
            csvwriter.writerow((score,comment_time,content))
        print(f'第{page+1}页爬取完毕')
    
    if __name__ == '__main__':
        with open('04.csv','a',encoding='utf-8',newline='')as f:
            csvwriter = csv.writer(f)
            csvwriter.writerow(('评分','评论时间','评论内容'))
            for page in range(15):
                    main(page,f)
                    sleep(5+random.random())

**5. 实现多种方法模拟登录某乎，并爬取与一个与江汉大学有关问题和答案。**

首先使用selenium打开某乎登录页面，接着使用手机进行二维码扫描登录

![b41517ced13c47fe95f53d559b92ea40.png][]

进入页面后，打开开发者工具，找到元素，，定位输入框，输入汉江大学，然后点击搜索按钮

![7f215534ee8945478124fcda8c06a784.png][]

以第二条帖子为例，进行元素分析 。

**源代码及结果截图：**

from time import sleep
    from selenium.webdriver.chrome.service import Service
    from selenium.webdriver import Chrome,ChromeOptions
    from selenium.webdriver.common.by import By
    import warnings
    
    def main():
        #忽略警告
        warnings.filterwarnings("ignore")
        # 创建一个驱动
        service = Service('chromedriver.exe')
        options = ChromeOptions()
        # 伪造浏览器
        options.add_experimental_option('excludeSwitches', ['enable-automation','enable-logging'])
        options.add_experimental_option('useAutomationExtension', False)
        # 创建一个浏览器
        driver = Chrome(service=service,options=options)
        # 绕过检测
        driver.execute_cdp_cmd("Page.addScriptToEvaluateOnNewDocument", {
            "source": """
                   Object.defineProperty(navigator, 'webdriver', {
                   get: () => false
                   })
               """
        })
        # 打开知乎登录页面
        driver.get('https://www.zhihu.com/')
        sleep(30)
        # 点击搜索框
        driver.find_element(By.ID,'Popover1-toggle').click()
        # 输入内容
        driver.find_element(By.ID,'Popover1-toggle').send_keys('汉江大学')
        sleep(2)
        # 点击搜索图标
        driver.find_element(By.XPATH,'//*[@id="root"]/div/div[2]/header/div[2]/div[1]/div/form/div/div/label/button').click()
        # 等待页面加载完
        driver.implicitly_wait(20)
        # 获取标题
        title = driver.find_element(By.XPATH,'//*[@id="SearchMain"]/div/div/div/div/div[2]/div/div/div/h2/div/a/span').text
        # 点击阅读全文
        driver.find_element(By.XPATH,'//*[@id="SearchMain"]/div/div/div/div/div[2]/div/div/div/div/span/div/button').click()
        sleep(2)
        # 获取帖子内容
        content = driver.find_element(By.XPATH,'//*[@id="SearchMain"]/div/div/div/div/div[2]/div/div/div/div/span[1]/div/span/p').text
        # 点击评论
        driver.find_element(By.XPATH,'//*[@id="SearchMain"]/div/div/div/div/div[2]/div/div/div/div/div[3]/div/div/button[1]').click()
        sleep(2)
        # 点击获取更多评论
        driver.find_element(By.XPATH,'//*[@id="SearchMain"]/div/div/div/div/div[2]/div/div/div/div[2]/div/div/div[2]/div[2]/div/div[3]/button').click()
        sleep(2)
        # 获取评论数据的节点
        divs = driver.find_elements(By.XPATH,'/html/body/div[6]/div/div/div[2]/div/div/div/div[2]/div[3]/div')
        try:
            for div in divs:
                # 评论内容
                comment = div.find_element(By.XPATH,'./div/div/div[2]').text
                f.write(comment)  # 写入文件
                f.write('\n')
                print(comment)
        except:
            driver.close()
    
    if __name__ == '__main__':
        # 创建文件存储数据
        with open('05.txt','a',encoding='utf-8')as f:
            main()

![c4fe65d1a50a4d9aace422308b2bb89e.png][]

**6. 综合利用所学知识，爬取某个某博用户前5页的微博内容。**

这里我们选取了人民日报的微博内容进行爬取，具体页面我就不放这了，怕违规。

**源代码及结果截图：**

import requests
    import csv
    from time import sleep
    import random
    
    def main(page):
        url = f'https://weibo.com/ajax/statuses/mymblog?uid=2803301701&page={page}&feature=0&since_id=4824543023860882kp{page}'
        headers = {
            'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/106.0.0.0 Safari/537.36',
            'cookie':'SINAGLOBAL=6330339198688.262.1661412257300; ULV=1661412257303:1:1:1:6330339198688.262.1661412257300:; PC_TOKEN=8b935a3a6e; SUBP=0033WrSXqPxfM725Ws9jqgMF55529P9D9WWoQDW1G.Vsux_WIbm9NsCq5JpX5KMhUgL.FoMNShMN1K5ESKq2dJLoIpjLxKnL1h.LB.-LxKqLBoBLB.-LxKqLBKeLB--t; ALF=1697345086; SSOLoginState=1665809086; SCF=Auy-TaGDNaCT06C4RU3M3kQ0-QgmTXuo9D79pM7HVAjce1K3W92R1-fHAP3gXR6orrHK_FSwDsodoGTj7nX_1Hw.; SUB=_2A25OTkruDeRhGeFJ71UW-S7OzjqIHXVtOjsmrDV8PUNbmtANLVKmkW9Nf9yGtaKedmyOsDKGh84ivtfHMGwvRNtZ; XSRF-TOKEN=LK4bhZJ7sEohF6dtSwhZnTS4; WBPSESS=PfYjpkhjwcpEXrS7xtxJwmpyQoHWuGAMhQkKHvr_seQNjwPPx0HJgSgqWTZiNRgDxypgeqzSMsbVyaDvo7ng6uTdC9Brt07zYoh6wXXhQjMtzAXot-tZzLRlW_69Am82CXWOFfcvM4AzsWlAI-6ZNA=='
        }
        resp = requests.get(url,headers=headers)
        data_list = resp.json()['data']['list']
        for item in data_list:
            created_time = item['created_at']  # 发布时间
            author = item['user']['screen_name']   # 作者
            title = item['text_raw']   # 帖子标题
            reposts_count = item['reposts_count']  # 转发数
            comments_count = item['comments_count']  # 评论数
            attitudes_count = item['attitudes_count']  # 点赞数
            csvwriter.writerow((created_time,author,title,reposts_count,comments_count,attitudes_count))
            print(created_time,author,title,reposts_count,comments_count,attitudes_count)
        print(f'第{page}页爬取完毕')
    
    if __name__ == '__main__':
        # 创建保存数据的csv文件
        with open('06-2.csv','a',encoding='utf-8',newline='')as f:
            csvwriter = csv.writer(f)
            # 添加文件表头
            csvwriter.writerow(('发布时间','发布作者','帖子标题','转发数','评论数','点赞数'))
            for page in range(1,6):  # 爬取前5页数据
                main(page)
                sleep(5+random.random())

**7.自选一个热点或者你感兴趣的主题，爬取数据并进行简要数据分析（例如，通过爬取电影的名称、类型、总票房等数据统计分析不同类型电影的平均票房，十年间每年票房冠军的票房走势等；通过爬取中国各省份地区人口数量，统计分析我国人口分布等）。**

![20632948712a4a78a347c5d13d71e103.png][]

本次选取的网址是艺恩娱数，目标是爬取里面的票房榜数据，通过开发者工具抓包分析找到数据接口，然后开始编写代码进行数据抓取。

**源代码及结果截图：**

import requests
    import csv
    import pandas as pd
    import matplotlib.pyplot as plt
    import warnings
    warnings.filterwarnings('ignore')
    plt.rcParams['font.sans-serif'] = ['SimHei'] #解决中文显示
    plt.rcParams['axes.unicode_minus'] = False   #解决符号无法显示
    
    def main():
        headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/105.0.0.0 Safari/537.36',}
        data = {
            'r': '0.9936776079863086',
            'top': '50',
            'type': '0',
        }
        resp = requests.post('https://ys.endata.cn/enlib-api/api/home/getrank_mainland.do', headers=headers, data=data)
        data_list = resp.json()['data']['table0']
        for item in data_list:
            rank = item['Irank']  # 排名
            MovieName = item['MovieName']  # 电影名称
            ReleaseTime = item['ReleaseTime']  # 上映时间
            TotalPrice = item['BoxOffice']   # 总票房(万)
            AvgPrice = item['AvgBoxOffice']   # 平均票价
            AvgAudienceCount = item['AvgAudienceCount']  # 平均场次
            # 写入csv文件
            csvwriter.writerow((rank,MovieName,ReleaseTime,TotalPrice,AvgPrice,AvgAudienceCount))
            print(rank,MovieName,ReleaseTime,TotalPrice,AvgPrice,AvgAudienceCount)
    
    def data_analyze():
        # 读取数据
        data = pd.read_csv('07.csv')
        # 从上映时间中提取出年份
        data['年份'] = data['上映时间'].apply(lambda x: x.split('-')[0])
        # 各年度上榜电影总票房占比
        df1 = data.groupby('年份')['总票房(万)'].sum()
        plt.figure(figsize=(6, 6))
        plt.pie(df1, labels=df1.index.to_list(), autopct='%1.2f%%')
        plt.title('各年度上榜电影总票房占比')
        plt.show()
        # 各个年份总票房趋势
        df1 = data.groupby('年份')['总票房(万)'].sum()
        plt.figure(figsize=(6, 6))
        plt.plot(df1.index.to_list(), df1.values.tolist())
        plt.title('各年度上榜电影总票房趋势')
        plt.show()
        # 平均票价最贵的前十名电影
        print(data.sort_values(by='平均票价', ascending=False)[['年份', '电影名称', '平均票价']].head(10))
        # 平均场次最高的前十名电影
        print(data.sort_values(by='平均场次', ascending=False)[['年份', '电影名称', '平均场次']].head(10))
    
    
    if __name__ == '__main__':
        # 创建保存数据的csv文件
        with open('07.csv', 'w', encoding='utf-8',newline='') as f:
            csvwriter = csv.writer(f)
            # 添加文件表头
            csvwriter.writerow(('排名', '电影名称', '上映时间', '总票房(万)', '平均票价', '平均场次'))
            main()
        # 数据分析
        data_analyze()

![1fa4a979150740a8804b4e3c4176c253.png][]

![0a40bff67eb3469c86ef3ac276c362cb.png][]

从年度上榜电影票房占比来看，2019年占比最高，说明2019年这一年的电影质量都很不错，上榜电影多而且票房高。

![0fec6d1395e544c9b3f4c1524a8069f7.png][]

从趋势来看，从2016年到2019年，上榜电影总票房一直在增长，到2019年达到顶峰，说明这一年电影是非常的火爆，但是从2020年急剧下滑，最大的原因应该是这一年年初开始爆发疫情，导致贺岁档未初期上映，而且由于疫情影响，电影院一直处于关闭状态，所以这一年票房惨淡。

好了，本次案例分享到此结束，希望对刚入手爬虫的小伙伴有所帮助。

**如果大家对Python感兴趣，这套python学习资料一定对你有用**

**对于0基础小白入门：**

> 如果你是零基础小白，想快速入门Python是可以考虑的。
> 
> 一方面是学习时间相对较短，学习内容更全面更集中。  
> 二方面是可以根据这些资料规划好学习计划和方向。

包括：Python激活码+安装包、Python web开发，Python爬虫，Python数据分析，人工智能、机器学习、Python量化交易等习教程。带你从零基础系统性的学好Python！

### 零基础Python学习资源介绍 ###

① Python所有方向的学习路线图，清楚各个方向要学什么东西

② 600多节Python课程视频，涵盖必备基础、爬虫和数据分析

③ 100多个Python实战案例，含50个超大型项目详解，学习不再是只会理论

④ 20款主流手游迫解 爬虫手游逆行迫解教程包

⑤ 爬虫与反爬虫攻防教程包，含15个大型网站迫解

⑥ 爬虫APP逆向实战教程包，含45项绝密技术详解

⑦ 超300本Python电子好书，从入门到高阶应有尽有

⑧ 华为出品独家Python漫画教程，手机也能学习

⑨ 历年互联网企业Python面试真题,复习时非常方便

![在这里插入图片描述][7c1055f9bb6e41af9262556bdf20e084.png_pic_center]

#### 👉Python学习路线汇总👈 ####

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。**（全套教程文末领取哈）**  
![在这里插入图片描述][9f969354b48f4e3ab0253e89203deca2.png_pic_center]

#### 👉Python必备开发工具👈 ####

![6be280b059df8debff4a4b52d6a6ad1f.png_pic_center][]

**温馨提示：篇幅有限，已打包文件夹，获取方式在：文末**

#### 👉Python学习视频600合集👈 ####

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。  
![f2a1e9c7368b6ac7d169ab4147b537f4.png_pic_center][]

#### 👉实战案例👈 ####

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

![在这里插入图片描述][6cf364e7eeb64b0da07021bce5a59ec6.png_pic_center]

#### 👉100道Python练习题👈 ####

检查学习结果。![15bc30b75e1de8c9fa2daab3742d4430.png_pic_center][]

#### 👉面试刷题👈 ####

![99f6475fb1237ba21e45d55c67bf83f4.png_pic_center][]

![在这里插入图片描述][3360d1bcb588491dac483ff4c30fb05c.png_pic_center]

![在这里插入图片描述][49fe592a1ae644c2822a1b4a850724cd.png_pic_center]

### 资料领取 ###

这份完整版的Python全套学习资料已经上传网盘，朋友们如果需要可以点击下方微信卡片免费领取 **↓↓↓**【保证100%免费】  
![28c313fe0bc8cfd922b6246074689e50.png][]

[8d5a69e30b5449fbb677e4be064fc963.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/d35c2625708a4ae0b829c9c9bde6fe7f.png
[01f61741c9a84b6bb4b12498f16edd82.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/63304832fb404126b4c1783d8bcfbf56.png
[ed2ce912fbd14a75b8dfed6342ab3f06.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/12d09262b82841f08ce4a0204e2088e5.png
[4d7f615189bb417a821ab6a686a28982.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/64f74533918f45dea1501aefd02a3a03.png
[3c03666485984c8f9f27aa30be4ef466.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/4c43384b15fc4f988eb6bd9e8a8ee61e.png
[268e63f31f6546b0bc938e0a6039047f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/f464dee848354d279603c56b7ff0172c.png
[cb33f367bb05454c859ba7549e8386ed.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/ebfdc46c645b464b9168327163989a99.png
[6a0098e531234beaa498ff3dcbc850f1.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/6b71746780fc4b788486e2c5a2c20be9.png
[9935503b3d5f4280b26546b0f49c5889.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/77ebdd8e9277472daa3dfef77b5fd317.png
[911036d39abe4236bde3699ef5d8930f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/e58d1a9308b448d89b88ad031c993895.png
[db3c4292babb491d89615b9b5535be30.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/d66be5fb746c4442b0b6834a1209d32f.png
[7a3d0c33a5434dad8cb0539008fadf75.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/c2c2037fc7614d2a93f03b3f9bec926b.png
[96c14dd38e1e460d84e70d4c4e371561.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/ee921b5618534143ac432e44181b436a.png
[4601696b266f413bb1e27856d3a34d68.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/2e6eb585d1e441d89e9eb0e93c88a377.png
[640bccf14f4148ae9042941dce0c200e.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/d8cff3d4b9f24168be96dc0fbbfa7538.png
[203430341802436eb3a07ead7afbadcb.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/61ab19098d3045d684ca45f1d4083e02.png
[89921c0f1e2c457fb06790160dfb2a7f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/5c6226883a7947dd8049470f7fcb59e2.png
[d79dc09322ab4dcc8efa62e7eb6e5048.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/f5206f410be74964802b2af2260e462c.png
[ab0e5cd6126d4107a7662dd9a512c388.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/a081f8ed7cce4c73821a107dd35446a5.png
[25fa0e69ade84cccb59aa48c173bb272.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/58060341af6744dd83294577fc097abb.png
[1ae0362cc0554bad8bc5b687b59b982b.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/7f2a1ecd8f93401a98948da324780560.png
[698afa65955348ff90a4b57839d32a52.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/a06300c91a904809a0ec9488f1c1297f.png
[93513627aaf345c2983efdfb43273352.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/6f238f368e2d4ab9aec37cf169ac4644.png
[7ec7013c173d4c40bdefd94d7fdac16a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/d6970d7f31aa418f9fe152cb9c58fd95.png
[84bfb77877b84c5cb8823ec40abddd7a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/1af58cab05264e009a26b20ea7ec8305.png
[b41517ced13c47fe95f53d559b92ea40.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/6c658c0a261242f6941b0fd9fbcc8d48.png
[7f215534ee8945478124fcda8c06a784.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/6e64023b091b4f1fa8638ad8b8d076c9.png
[c4fe65d1a50a4d9aace422308b2bb89e.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/43ce80777bfd4142be5b547e2c848def.png
[20632948712a4a78a347c5d13d71e103.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/379cfd62c2994de082e3f8583f887a6b.png
[1fa4a979150740a8804b4e3c4176c253.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/2892ba7692614e8696b0c666e1e84dbb.png
[0a40bff67eb3469c86ef3ac276c362cb.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/eb74499361d04ddd856072f755400e9a.png
[0fec6d1395e544c9b3f4c1524a8069f7.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/7bd06871c2034d17963c211f0f5ed9d2.png
[7c1055f9bb6e41af9262556bdf20e084.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/29284e07909a4529a26f12c6e93a73b7.png
[9f969354b48f4e3ab0253e89203deca2.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/e785a0e24e694c01b8e0dce10f788934.png
[6be280b059df8debff4a4b52d6a6ad1f.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/1307d74634f545ad9a24ab9b2cf1b5b8.png
[f2a1e9c7368b6ac7d169ab4147b537f4.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/eda07b9d3f154484b7918ecba3c782f9.png
[6cf364e7eeb64b0da07021bce5a59ec6.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/455ee25df16842e186009057e3b24b9b.png
[15bc30b75e1de8c9fa2daab3742d4430.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/b577e41acb7d4bd8b5445f6d4df27396.png
[99f6475fb1237ba21e45d55c67bf83f4.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/b37cd5791d4f4815a5c5e67057290eaa.png
[3360d1bcb588491dac483ff4c30fb05c.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/d37f1fcbe1d641329c18a83b12465bd5.png
[49fe592a1ae644c2822a1b4a850724cd.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/cd6fccf43320457981962eeb4da4eedb.png
[28c313fe0bc8cfd922b6246074689e50.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/24/376afb8574a941e8a0e6ab0eb65c7a4b.png