HTTP協議與使用Python獲取數據並寫入MySQL

　　一、Http協議

　　二、Https協議

　　三、使用Python獲取數據

　　（1）urlib

　　（2）GET請求

　　（3）POST請求

　　四、爬取豆瓣電影實戰

　　1.思路

　　（1）在瀏覽器中輸入https://movie.douban.com/j/search_tags?type=movie會得到顯示的電影的分類標簽，下面以“熱門”為例

{"tags":["熱門","最新","經典","可播放","豆瓣高分","冷門佳片","華語","歐美","韓國","日本","動作","喜劇","愛情","科幻","懸疑","恐怖","成長"]}

　　（2）在瀏覽器中輸入https://movie.douban.com/進入豆瓣首頁，然后下拉到“最近熱門電影”，然后點擊“更多”，瀏覽器中顯示的url為https://movie.douban.com/explore#!type=movie&tag=熱門&sort=recommend&page_limit=20&page_start=0，即表示熱門電影的第一頁中的20部影片。

　　（3）下拉至底部，點擊“顯示更多”一下，則此時的url變為https://movie.douban.com/explore#!type=movie&tag=熱門&sort=recommend&page_limit=20&page_start=20，也就表示第二頁中的20部影片。

　　（4）在瀏覽器中輸入下面的url會得到20個json格式的字符串：https://movie.douban.com/j/search_subjects?type=movie&tag=熱門&sort=recommend&page_limit=20&page_start=0。

　　（5）針對每個url，如果返回的結果中存在數據，那么就將page_start增加20繼續執行GET請求，直到不再返回數據為止。

　　2.代碼實現

import urllib.request
from urllib import parse
import json

# 獲得全部電影標簽
url = 'https://movie.douban.com/j/search_tags?type=movie'
# 需要將中文漢字轉化成十六進制的形式，否則會報編碼錯誤
print(parse.quote('熱門'))
request = urllib.request.Request(url=url)
response = urllib.request.urlopen(request, timeout=20)
# 獲得json形式的字符串
result = response.read()
print(result)
# 將json形式的字符串解析成字典
result = json.loads(result)
print(result)
# 將取字典的標簽字段存儲到列表中
tags = result['tags']
print(tags)
# 定義一個列表存儲電影的基本信息
movies = []
# 分別處理每個tag
for tag in tags:
    print(tag)
    tag = parse.quote(tag)
    print(tag)
    start = 0
    # 不斷請求，直到返回結果為空
    while True:
        # 拼接需要請求的url
        url = 'https://movie.douban.com/j/search_subjects?' \
              'type=movie&tag=' + tag + '&sort=recommend&page_limit=20&page_start=' + str(start)
        print(url)
        request = urllib.request.Request(url=url)
        response = urllib.request.urlopen(request, timeout=20)
        # 獲得json形式的字符串
        result = response.read()
        print(result)
        # 將json形式的字符串解析成字典
        result = json.loads(result)
        print(result)
        # 將取字典的標簽字段存儲到列表中
        result = result['subjects']
        print(result)
        # 循環跳出條件
        if len(result) ==0:
            break
        # 將每一條記錄都添加到movies列表中
        for item in result:
            movies.append(item)
        # 修改起始位置，相當於點擊"顯示更多"
        start += 20

print(len(movies))