Python爬虫学习（五）爬取电影排行榜及其图片

这节我们演示一个实战例子，用于巩固一下之前学到的知识。

话不多说，直接开始。

确定目标

电影排行榜那么多，到底爬取哪个呢？

嘿嘿，随便找到了一个：http://dianying.2345.com/top/

貌似只有50部，没关系，做个小练习足矣！

分析网页

在Chrome浏览器打开网站，查看网页的结构，

我们可以发现，图片信息包含在 中，而文本信息包含在 中，接下来就开始动手写代码咯！

写代码

先获取到网页源码，并查看一下：

报错了，原因是 页面源码的编码方式和我们用 的解码方式对不上，怎么办呢？有好多方法可以解决这个问题：

在浏览器中查看网页编码方式，修改

使用 库查看网页编码方式，修改

等等

这里，我们使用第二种，如图所示：

原来网页的编码方式是GB2312。

知道这个就好办了，我们调整一下代码：

运行结果：

神马？怎么还有编码的问题！

我们查看网页源码，

发现并编码方式并没有错，那是怎么回事呢？让我们一探究竟。

根据报错的提示，错误出现在103处，那我们就先不解码，把原始的 输出来看一下，

顺利的找到了出错的地方，并且可以看出在 标签中，后面还有数字2345，于是我们可以可以猜想，错误应该就出现在这几个字中：

于是，我们可以到网站：http://www.qqxiuzi.cn/bianma/zifuji.php，验证一把，结果如下：

瞬间懂了，原来GB2312中并没有“–”这个字符，怪不得会出错！同时发现，GBK有对其编码，于是我们选用GBK解码。

nice!

提取数据

输出内容不够美观，可以自己调整：

那么图片呢？

结果如下：

以上。