需求分析

众所周知，今天已经是七夕节了。能过上节日的想必已经在出去玩以及在出去玩的路上了。下午的时候呢，我也收到了一则攻略“七夕节情侣看恐怖电影如何拉近两人之间的距离”，可惜啊，虽然攻略不错，不过看起来我是用不上了

出去玩相比也少不了看电影的环节吧？那么，看什么电影比较好呢？想必很多情侣，平日里可能并不关注电影的消息，等到了要找一个电影看的时候，就不知道应该看什么会比较好了。可能，听说最近那个叫做《独行月球》的比较火，已经突破了好多好多亿的票房了，应该去看这个电影吗？

如果问我的话，我其实也不知道。但是呢，如果要知道看什么电影比较好，一个好的方法就是，查看电影的评分，这样不就一目了然了吗？虽然评分高的电影不代表就一定好看，但是至少，说明大多数人都喜欢看对不对。说干就干，今天我们就爬取一下电影的评分

 实现分析

爬虫程序都是这样，如果有反爬的话，就会比较难。没有反爬的话就会比较简单。提取数据方面，如果结构复杂，所需的内容杂乱，就会难以提取，如果是结构化的数据，比如说是ajax请求，直接能够拿到json数据的话，就会非常容易

恰好，今天电影评分既没有反爬，也是json格式的数据，所以一下子就可以轻松提取到了，非常的容易啊。当然，这也不是我们的功劳，主要还是对方网站比较大方

至于csv的读写，也是非常容易的，有很多种方式都可以实现。比如说，自己通过文件读写，按照csv的格式来读写文件。比如说通过能够操作csv的第三方库进行csv的读写。当然啦，还有一种比较简单的方式就是直接使用python中内置的csv模块。虽然功能比不上第三方库的功能强大，但是也是不错的选择

当然，也许还有的小伙伴可能不了解csv格式。其实，csv就和excel是类似的，也是能够做成excel的这种格式的，但是相对比较简单，如果你不知道这个话，可以另外去了解一下

import csv # 导入内置的csv模块
 
# 通过上下文管理器，正常的打开一个文件
with open("douban.csv", "w", newline="") as csvfile:
    # 通过csv.writer()，创建一个writer用于后续写入csv文件
    w = csv.writer(csvfile, delimiter=",")
    # 通过writerow()的方法，写入csv的行
    w.writerow(["标题", "评分", "地址", "图片"])
    for row in r.json()["subjects"]:
        w.writerow([row["title"], row["rate"], row["url"], row["cover"]])

另外，可能有的小伙伴也会很困惑。如果要读取解析json文件的话，不是应该import json模块吗？为什么在下边的代码中完全没有使用到这一点呢？

事实上，在requests中，已经包含了json模块，而且有更简单的使用方式，因此直接通过requests使用json就可以了。不需要再额外的引入json的内置模块了

完整代码实现

import requests
import csv
from base64 import b64decode
 
headers = {"user-agent": "Mozilla/5.0"}
url = b64decode("aHR0cHM6Ly9tb3ZpZS5kb3ViYW4uY29tL2ovc2VhcmNoX3N1YmplY3RzP3R5cGU9bW92aWUmdGFnPeeDremXqCZzb3J0PXJlY29tbWVuZCZwYWdlX2xpbWl0PTIwJnBhZ2Vfc3RhcnQ9MA==").decode()
 
r = requests.get(url, headers=headers)
 
with open("douban.csv", "w", newline="") as csvfile:
    w = csv.writer(csvfile, delimiter=",")
    w.writerow(["标题", "评分", "地址", "图片"])
    for row in r.json()["subjects"]:
        w.writerow([row["title"], row["rate"], row["url"], row["cover"]])
 

程序运行结束以后，可以看到已经成功保存为了csv文件，效果如下

---

所以说，最后祝大家七夕节节日快乐，如果你能过节的话，可以根据评分赶紧去看电影啦。如果你没节可以过的话。嗯，好吧，你也可以自己去看看电影，要不，你不出门的话，别人不就都知道你没节可过了吗！