【python】使用代理IP爬取猫眼电影专业评分数据

前言 我们为什么需要使用IP代理服务？

在编写爬虫程序的过程中，IP封锁无疑是一个常见且棘手的问题。尽管网络上存在大量的免费IP代理网站，但其质量往往参差不齐，令人堪忧。许多代理IP的延迟过高，严重影响了爬虫的工作效率；更糟糕的是，其中不乏大量已经失效的代理IP，使用这些IP不仅无法绕过封锁，反而可能使爬虫陷入更深的困境。

本篇文章中介绍一下如何使用Python的Requests库和BeautifulSoup库来抓取猫眼电影网站上的专业评分数据。

正文 1、导包 import requests from bs4 import BeautifulSoup import pandas as pd import matplotlib.pyplot as plt Requests库是一个简单易用的HTTP库，用于发送网络请求和获取响应数据。BeautifulSoup库则是一个用于解析HTML和XML文档的Python库，可以帮助我们从网页中提取所需的数据。

2、设置代理 设置代理和代理信息可以在这里获取：IP代理服务

设置代理信息

proxyHost = “www.16yun.cn” proxyPort = “5445” proxyUser = “your_proxy_user” proxyPass = “your_proxy_password”

设置代理

proxyMeta = “http://%(user)s:%(pass)s@%(host)s:%(port)s” % { “host”: proxyHost, “port”: proxyPort, “user”: proxyUser, “pass”: proxyPass, } proxies = { “http”: proxyMeta, “https”: proxyMeta, }

3、设置请求头 请求头的获取方式可以参考这篇文章：爬虫入门学习（三）请求headers处理-CSDN博客

当然不用自己的也行哈哈

设置请求头，模拟浏览器访问

headers = { ‘User-Agent’: ‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3’ } 4、发起请求

发起请求，获取网页内容

url = ‘https://maoyan.com/films?showType=3’ response = requests.get(url, headers=headers, proxies=proxies) # 添加proxies参数 soup = BeautifulSoup(response.text, ‘html.parser’) 5、解析网页内容

解析网页内容，提取专业评分数据

movie_names = [] professional_scores = []

for movie in soup.find_all(‘div’, attrs={‘class’: ‘movie-item film-channel’}): movie_name = movie.find(‘span’, attrs={‘class’: ‘name’}).text score = movie.find(‘span’, attrs={‘class’: ‘integer’}).text + movie.find(‘span’, attrs={‘class’: ‘fraction’}).text movie_names.append(movie_name) professional_scores.append(score)

将数据存储到DataFrame中

data = {‘电影名称’: movie_names, ‘专业评分’: professional_scores} df = pd.DataFrame(data) 6、数据可视化

数据可视化

plt.figure(figsize=(10, 6)) plt.bar(df[‘电影名称’], df[‘专业评分’], color=‘skyblue’) plt.title(‘猫眼电影专业评分排行榜’) plt.xlabel(‘电影名称’) plt.ylabel(‘专业评分’) plt.xticks(rotation=45) plt.show() 上述代码片段展示了如何运用Python中的Requests库与BeautifulSoup库，精准地抓取猫眼电影网站上的专业评分数据。随后，通过Pandas库对数据进行整理与分析，再借助Matplotlib库进行可视化呈现。这一数据采集、处理与可视化的完整流程。

完整代码如下：

导入所需的库

import requests from bs4 import BeautifulSoup import pandas as pd import matplotlib.pyplot as plt

设置代理信息

proxyHost = “www.16yun.cn” proxyPort = “5445” proxyUser = “your_proxy_user” proxyPass = “your_proxy_password”

设置代理

proxyMeta = “http://%(user)s:%(pass)s@%(host)s:%(port)s” % { “host”: proxyHost, “port”: proxyPort, “user”: proxyUser, “pass”: proxyPass, } proxies = { “http”: proxyMeta, “https”: proxyMeta, }

设置请求头，模拟浏览器访问

headers = { ‘User-Agent’: ‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3’ }

发起请求，获取网页内容

url = ‘https://maoyan.com/films?showType=3’ response = requests.get(url, headers=headers, proxies=proxies) # 添加proxies参数 soup = BeautifulSoup(response.text, ‘html.parser’)

解析网页内容，提取专业评分数据

movie_names = [] professional_scores = []

for movie in soup.find_all(‘div’, attrs={‘class’: ‘movie-item film-channel’}): movie_name = movie.find(‘span’, attrs={‘class’: ‘name’}).text score = movie.find(‘span’, attrs={‘class’: ‘integer’}).text + movie.find(‘span’, attrs={‘class’: ‘fraction’}).text movie_names.append(movie_name) professional_scores.append(score)

将数据存储到DataFrame中

data = {‘电影名称’: movie_names, ‘专业评分’: professional_scores} df = pd.DataFrame(data)

数据可视化

plt.figure(figsize=(10, 6)) plt.bar(df[‘电影名称’], df[‘专业评分’], color=‘skyblue’) plt.title(‘猫眼电影专业评分排行榜’) plt.xlabel(‘电影名称’) plt.ylabel(‘专业评分’) plt.xticks(rotation=45) plt.show()

当然，如果你自己要使用的话得用自己专属的IP代理信息，而且具体情况得具体分析。如果你买了代理IP的话，不会的直接问客服，直接给你服务的服服帖帖的

小结 本文详细阐述了如何利用Python爬虫技术从猫眼电影网站获取专业评分数据的过程，并通过代码实例展示了从设置代理、发起请求、解析网页内容到数据提取与可视化的完整流程。

首先，文章介绍了必要的库导入，包括requests用于发起网络请求，BeautifulSoup用于解析HTML页面，pandas用于数据处理，以及matplotlib用于数据可视化。接着，通过设置代理和请求头，模拟了浏览器访问，成功绕过了可能存在的反爬虫机制，获取了目标网页的内容。

在解析网页内容方面，文章通过BeautifulSoup的find_all方法定位到包含电影信息的div元素，并提取了电影名称和专业评分数据。这些数据被存储在一个列表中，为后续的数据处理和分析提供了基础。

为了更直观地展示数据，文章还利用pandas库将提取的数据转换成了DataFrame格式，并使用matplotlib库绘制了专业评分排行榜的条形图。这不仅有助于读者更好地理解数据分布情况，还能为后续的深入分析提供直观的参考。