yanyaoli/douban

⚡豆瓣电影排行榜数据爬虫（排名页面+详情页面），词云图生成，聚类分析，回归分析，简单的数据分析作业代码。

豆瓣电影排行榜爬虫

数据分析作业代码，豆瓣电影排行榜数据爬取（排名页面+详情页面），进行简单数据分析。

功能说明

• 基本信息爬虫：只爬取排行榜显示的相关信息
• 详情信息爬虫：爬取每个电影详情页信息，建议填写Cookie，避免反爬限制
• 简单数据分析：词云图、热度排名统计、聚类分析、线性回归

使用方法

克隆项目

git clone https://github.com/yanyaoli/douban.git

安装依赖

pip install -r requirements.txt

运行项目

python run.py

未使用多线程，可能会有些卡顿。

文件树

douban
├─ gui.py （程序GUI界面）
├─ README.md （说明文件）
├─ run.py （程序入口文件）
├─ utils （存放一些依赖文件）
│  ├─ font.ttf （字体文件）
│  ├─ getPath.py （文件路径获取）
│  ├─ headers.py （请求头获取）
│  ├─ proxy.py （代理池获取）
│  ├─ saveData.py （数据保存）
│  └─ __init__.py
├─ files （存放生成的分析文件）
├─ data （存放爬取的文件）
│  ├─ basic_datacccc.csv （电影详情信息文件）
│  ├─ details_info.csv （电影基本信息文件）
│  ├─ proxyinfo.json （代理池文件）
│  └─ __init__.py
└─ core
   ├─ basic_spider.py （基本信息爬虫）
   ├─ cluster.py （聚类分析）
   ├─ detail_spider.py （详情信息爬虫）
   ├─ linear.py （线性回归分析）
   ├─ stat.py （基本信息统计）
   ├─ word_cloud.py （词云）
   └─ __init__.py

使用许可

1. 本项目的代码和内容仅供学习和研究使用，不得用于任何违法活动。
2. 使用者对使用本项目的代码和内容产生的任何后果负全责。
3. 如果本项目的代码或内容侵犯了您的权益，请通过该邮箱地址联系我，我将尽快删除相关内容。