本文就豆瓣8分以上电影进行爬取-存储-可视化分析。 不足之处欢迎在评论区指出讨论。 当然，如果觉得不错，要帮助的话，还请点个赞。
爬取网页链接如下： URL：https://movie.douban.com/tag/#/?sort=U&range=8,10&tags=%E7%94%B5%E5%BD%B1 
动态网页和静态网页
在爬取前要先分析网页是动态还是静态的。 动态网页和静态网页的最大区别是：
1.静态页面是不能随时改动的，静态是一次性bai写好放在服务器上进行浏览的，如果想改动，必须在页面上修改，然后再上传服务器覆盖原来的页面，这样才能更新信息，比较麻烦，使用者不能随时修改。
2.动态页面是可以随时改变内容的，有前后台之分，管理员可以在后台随时更新网站的内容，前台页面的内容也会随之更新，比较简单易学。
静态网页是指：
不应用程序而直接或间接制作成html的网页，这种网页的内容是固定的，修改和更新都必须要通过专用的网页制作工具，比如Dreamweaver。
动态网页是指：
使用网页脚本语言，比如php、asp、asp.net等，通过脚本将网站内容动态存储到数据库，用户访问网站是通过读取数据库来动态生成网页的方法。
网站上主要是一些框架基础，网页的内容大都存储在数据库中。 
扩展资料： 动态网页：
1.所谓的动态网页，是指跟静态网页相对的一种网页编程技术。
2.静态网页，随着html代码的生成，页面的内容和显示效果就基本上不会发生变化了，除非你修改页面代码。
3.而动态网页则不然，页面代码虽然没有变，但是显示的内容却是可以随着时间、环境或者数据库操作的结果而发生改变的。
静态网页：
1.在网站设计中，纯粹HTML格式的网页通常被称为“静态网页”，早期的网站一般都是由静态网页制作的。
2.静态网页是相对于动态网页而言，是指没有后台数据库、不含程序和不可交互的网页。
3.你编的是什么它显示的就是什么、不会有任何改变。
4.静态网页相对更新起来比较麻烦，适用于一般更新较少的展示型网站。
观察网页，发现数据是动态加载的，所以这是一个动态网页，那我们就要找到真正显示电影信息的链接。 
检查网页，选中Network-XHR-(ctrl+R)刷新网页。Name中出现的第一个URLhttps://movie.douban.com/j/new_search_subjects?sort=U&range=8,10&tags=%E7%94%B5%E5%BD%B1&start=0就是当前页的链接，点击加载更多时，会出现下一页的URL。
请求网页用的是Requests库（Requests 唯一的一个非转基因的 Python HTTP 库，人类可以安全享用）。 注意，header可通过检查网页-刷新-在header的最后找到。 观察可知，我们需要的数据就在一个JSON串里。那么只要将网页用JSON解析后，想要那个数据就可以任我们取了。 比如获得所有电影的名称：
从JSON串里，我们可以获得电影的演员列表、封面、导演、评分、名称、URL，如下图所示： 
那么，我们要进一步获取电影的介绍时，就可以直接通过JSON串提供的URL去到电影的详情页。这时，详情页是一个静态网页直接检查网页，如图： 
电影剧情简介是不是就躺在标签里，等我们抱。上代码：
值得注意的是，由于编码不同，解码译码都会出现问题。这里用到如下代码：
至此，对一部电影的数据爬取已经完成了，那么，怎么爬取更多数据呢？ 继续分析URL。 Request URL: https://movie.douban.com/j/new_search_subjects?sort=U&range=8,10&tags=%E7%94%B5%E5%BD%B1&start=0 Request URL: https://movie.douban.com/j/new_search_subjects?sort=U&range=8,10&tags=%E7%94%B5%E5%BD%B1&start=20 Request URL: https://movie.douban.com/j/new_search_subjects?sort=U&range=8,10&tags=%E7%94%B5%E5%BD%B1&start=40 观察可知，每一个请求里有20条数据，且URL的变化就在于star=？，而间隔就是20，那么我们要请求的链接就可以写成这样：
如此一来，就可以访问多条数据了。
本文中介绍了两种存储的方法。
EXCEL相比CSV就是可存储的容量更大。