刚看完入门，想问问crossin为什么没教scrapy，谢谢！

laui

其实我也还没搞清scrapy，哈哈

laui

多谢！

crossin先生

__init__
两个下划线。回头再去看下面向对象

laui

该怎么改啊？

laui

结果提示：Traceback (most recent call last):
  File "E:\Python27\douban.py", line 74, in <module>
    DouBanSpider.main()
  File "E:\Python27\douban.py", line 69, in main
    self.getMovie()
  File "E:\Python27\douban.py", line 43, in getMovie
    while self.start<=225:
AttributeError: MovieTop250 instance has no attribute 'start'

laui

网上看到人家的代码：# -*- coding:utf-8 -*-
import urllib2
import re
import sys

class MovieTop250:
    def _init_(self):
        reload(sys)
        sys.setdefaultencoding('utf-8')
        self.start=0
        self.param = '&filter=&type='
        self.headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64)'}
        self.movieList = []
        self.filePath = 'E:/Python27/File/DoubanTop250.txt'
    def getPage(self):
        try:
            URL = 'http://movie.douban.com/top250?start=' + str(self.start)
            request=urllib2.Request(url=URL,headers=self.headers)
            response = urllib2.urlopen(request)
            page = response.read().decode('utf-8')
            pageNum = (self.start+25)/25
            print '正在抓取第' + str(pageNum) + '页数据...'
            self.start += 25
            return page
        except urllib2.URLError,e:
            if hasattr(e,'reason'):
                print'抓取失败，具体原因：',e.reason
    def getMovie(self):
        pattern = re.compile(u'<div.*?class="item">.*?<div.*?class="pic">.*?'
                             + u'<em.*?class="">(.*?)</em>.*?'
                             + u'<div.*?class="info">.*?<span.*?class="title">(.*?)'
                             + u'</span>.*?<span.*?class="title">(.*?)</span>.*?'
                             + u'<span.*?class="other">(.*?)</span>.*?</a>.*?'
                             + u'<div.*?class="bd">.*?<p.*?class="">.*?'
                             + u'导演: (.*?)&nbsp;&nbsp;&nbsp;'
                             + u'主演: (.*?)<br>'
                             + u'(.*?)&nbsp;/&nbsp;(.*?)&nbsp;/&nbsp;'
                             + u'(.*?)</p>'
                             + u'.*?<div.*?class="star">.*?<em>(.*?)</em>'
                             + u'.*?<span>(.*?)人评价</span>.*?<p.*?class="quote">.*?'
                             + u'<span.*?class="inq">(.*?)</span>.*?</p>', re.S)
        while self.start<=225:
            page = self.getPage()
            movies = re.findall(pattern, page)
            for movie in movies:
                self.movieList.append([movie[0], movie[1], movie[2].lstrip('&nbsp;/&nbsp;'), movie[3].lstrip('&nbsp;/&nbsp;'), movie[4],movie[5], movie[6].lstrip(), movie[7], movie[8].rstrip(),movie[9], movie[10], movie[11]])
    def writeTxt(self):
        fileTop250 = open(self.filePath, 'w')
        try:
            for movie in self.movieList:
                fileTop250.write('电影排名：' + movie[0] + '\r\n')
                fileTop250.write('电影名称：' + movie[1] + '\r\n')
                fileTop250.write('外文名称：' + movie[2] + '\r\n')
                fileTop250.write('电影别名：' + movie[3] + '\r\n')
                fileTop250.write('导演姓名：' + movie[4] + '\r\n')
                fileTop250.write('参与主演：' + movie[5] + '\r\n')
                fileTop250.write('上映年份：' + movie[6] + '\r\n')
                fileTop250.write('制作国家/地区：' + movie[7] + '\r\n')
                fileTop250.write('电影类别：' + movie[8] + '\r\n')
                fileTop250.write('电影评分：' + movie[9] + '\r\n')
                fileTop250.write('参评人数：' + movie[10] + '\r\n')
                fileTop250.write('简短影评：' + movie[11] + '\r\n\r\n')
            print'文件写入成功。。。'
        finally:
            fileTop250.close()
    def main(self):
        print '正在从豆瓣电影Top250抓取数据...'
        self.getMovie()
        self.writeTxt()
        print '抓取完毕...'

DouBanSpider = MovieTop250()
DouBanSpider.main()

laui

明白了，多谢

crossin先生

其实我推荐你先用 requests 来做爬虫