豆瓣电影爬虫​
它能够定向获取电影的基础信息，包括电影名称、导演、主演、上映时间、制片国家 / 地区、类型等，这些信息是了解一部电影的基础框架。同时，还能抓取到电影的评分数据，不仅有整体的豆瓣评分，还有不同星级的评价占比，让用户能直观了解电影的口碑情况。​
除此之外，爬虫还能收集大量的用户短评和长评。通过对这些评论数据的抓取，可以为后续的电影口碑分析、观众喜好研究等提供原始素材。而且，该爬虫具备一定的灵活性，支持按照电影类型、上映年份、评分区间等条件进行筛选抓取，满足不同用户的个性化数据需求。抓取到的数据会以结构化的形式呈现，如 Excel 表格、CSV 文件等，方便用户进行后续的查看、统计和分析。​
软科排名爬虫​
对于大学排名，它能准确获取不同排名榜单（如中国大学综合排名、中国大学专业排名、世界大学学术排名等）中各高校的排名情况、学校名称、所在地区、总分以及各项评价指标的得分。这些指标可能包括人才培养、科学研究、社会服务等多个维度，让用户能清晰了解高校的综合实力和优势领域。​
在专业排名方面，爬虫可以抓取特定专业在不同高校中的排名，以及该专业的评价指标得分等信息。这对于学生填报志愿、了解专业实力分布等非常有帮助。抓取到的排名数据会进行有序整理，剔除无效信息，以清晰的表格形式呈现，并且支持数据的定期更新抓取，确保用户获取到的是最新的排名情况。​
个人负责角色​
在这两项作品的开发过程中，我承担了核心开发者的角色。从最初的需求分析开始，结合实际应用场景，明确了两个爬虫需要抓取的数据维度和功能目标。​
在技术实现阶段，负责爬虫程序的设计与编写。根据豆瓣电影和软科排名两个平台的页面结构与数据加载逻辑，选择合适的抓取技术和工具，构建了稳定的爬虫框架。同时，针对抓取过程中可能出现的反爬机制，制定了相应的应对策略，如合理设置请求频率、使用代理 IP 等，确保爬虫能够持续、稳定地运行。​
在数据处理环节，负责对抓取到的原始数据进行清洗、整理和结构化处理。去除重复数据、修正错误信息，将非结构化的文本数据转化为规范的结构化数据，提升数据的可用性。此外，还对爬虫的功能进行了多次测试与优化，根据测试结果调整程序逻辑，提高数据抓取的准确性和效率，最终形成了这两项稳定、高效的爬虫作品。​