初衷：踏入互联网的门槛，时日并不长，一步步慢慢爬过来，因此，想把自己的历程做个记录，时不时，回头看看自己的一步一个脚印。

下面正题开始：

一.为什么要学习爬虫？

因为需要些数据做个项目，当然，用keggle是个不错的选。但是，看到别人可以把网上的数据爬取下来，做个分析，觉得很酷。既然自己也想要这么酷酷的，那么，何不试试看呢？

二.爬虫前准备

去年就看过爬虫的教程，我发现，那种把所有爬虫需要的理论全部讲完，然后再去爬取数据的课程，不适合我，我需要的是，有一个目的，然后根据这个目的，去找能让我达成这个目的的东西，然后一路边学习，边成就，去往目的地。恰好，幸运的我在b站找到这样一个教程，学习开始。

三.爬虫开始

首先，理清思路，我们需要一个程序，一段代码，可以爬取数据，然后把爬取的数据保存成我们想要的样子。
第一步：主程序

#主程序
if __name__ =="__main__":       #当程序执行时
    #调用函数
    main()
    print("爬取完毕！")

main是什么我们不知道，因此，定义一个main函数，里边要包括怎么去获取网页，怎么去存储获得的数据。getData和saveData是什么不知道，需要定义。

ef main():
    baseurl="https://movie.douban.com/top250?start="
    #1.爬取网页
    datalist =getData(baseurl)
    savepath="豆瓣电影Top250.xls"
    # 3.保存数据
    saveDate(datalist,savepath)

第二步：填满程序

1.解决getData

#影片详情链接的规则
findLink=re.compile(r'<a href="(.*?)">')
#影片图片的链接
findImgSrc=re.compile(r'<img.*src="(.*?)"',re.S)  #re.S 忽略换行符
#影片的片名
findTitle=re.compile(r'<span class="title">(.*)</span>')
#影片的评分
findRating=re.compile(r'<span class="rating_num" property="v:average">(.*)</span>')
#评价人数
findJudge=re.compile(r'<span>(\d*)人评价</span>')
#找到概况
findInq=re.compile(r'<span class="inq">(.*)</span>')
#找到影片的相关内容
findBd=re.compile(r'<p class="">(.*?)</p>',re.S)

#爬取网页
def getData(baseurl):
    datalist=[]
    for i in range(0,10):  # 调用或许页面信息的函数10次
        url = baseurl + str(i * 25)
        html = askURL(url)  # 保存获取到的网页源码
    # 2.逐一解析数据
        #soup=BeautifulSoup(html,"html.parser")
        soup = BeautifulSoup(html, 'lxml')
        for item in soup.find_all('div',class_="item"):   #查找符合要求的字符串，形成列表
           # print(item) #测试查看电影item全部信息
            data=[]       #保存一部电影的所有信息
            item=str(item)
             #影片详情的链接
            link=re.findall(findLink,item)[0]   #通过正则表达式来寻找合适的字符串
            data.append(link)        #添加链接

            imgSrc =re.findall(findImgSrc,item)[0]
            data.append(imgSrc)

            titles= re.findall(findTitle,item)
            if(len(titles)==2):
                ctitle=titles[0]
                data.append(ctitle)
                otitle=titles[1].replace("/","")  #去掉无关的符号
                data.append(otitle)   #添加外国名
            else:
                data.append(titles[0])
                data.append('')        #外国名留空这一列

            rating=re.findall(findRating,item)[0]
            data.append(rating)         #添加评分

            judgeNum =re.findall(findJudge,item)[0]
            data.append(judgeNum)       #添加评价人数

            inq=re.findall(findInq,item)
            if len(inq) !=0:
                inq=inq[0].replace("。","" )    #去掉句号
                data.append(inq)
            else:
                data.append("")         #留空

            bd=re.findall(findBd,item)[0]
            bd=re.sub('<br(\s+)?/>(\s+)?'," ",bd)   #去掉<br/>
            bd=re.sub('/', " ", bd)    #替换/
            data.append(bd.strip())    #去掉前后的空格
            datalist.append(data)      #将处理好的一部电影信息放入datalist

    return datalist

#得到制定一个URL的网页内容
def askURL(url):
    head={        #模拟浏览器头部信息，向豆瓣服务器发送消息
        "User-Agent":"Mozilla/5.0 (Macintosh; Intel Mac OS X 11_2_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36"
         }
            #用户代理：表示告诉豆瓣浏览器，我们是什么类型的机器，浏览器（本质上是告诉浏览器，我们可以接收什么水平的数据类型）


    request = urllib.request.Request(url,headers=head)
    html=""
    try:
        response=urllib.request.urlopen(request)
        html=response.read().decode("utf-8")
        #print(html)
    except urllib.error.URLError as e:
        if hasattr(e,"code"):
            print(e.code)
        if hasattr(e,"reason"):
            print(e.reason)
    return html

2.解决savedata

#保存数据
def saveDate(data,savepath):
    #baseurl = "https://movie.douban.com/top250?start="
    # 1.爬取网页
    datalist = data
    print("save....")
    book=xlwt.Workbook(encoding="utf-8",style_compression=0)   #创建workbook对象
    sheet=book.add_sheet('豆瓣电影Top250',cell_overwrite_ok=True)    #创建工作表
    col=("电影详情链接","图片链接","影片中文名","影片外国名","评分","评价树","概况","相关信息")
    for i in range(0, 8):
         sheet.write(0,i,col[i])
    for i in range(0, 250):
        print("第%d条"%(i+1))
        data= datalist[i]
        for j in range(0,8):
            sheet.write(i+1,j,data[j])
    book.save(savepath)  #保存数据表

最后，这个是所有的程序了，运行完这些代码后，就可以获得豆瓣的前250个电影及影评了。
但是，这个只是跟着老师做了一遍，下次，若自己想要爬取别的网页，该当如何，所以，这里边的一些别的函数，不懂的应该要搞清楚。