diff --git a/q4_1.py b/q4_1.py
new file mode 100644
index 0000000..7123373
--- /dev/null
+++ b/q4_1.py
@@ -0,0 +1,852 @@
+import json
+import matplotlib.pyplot as plt
+
+# 【防乱码神器】考试必写这两行，不然中文全是方块
+plt.rcParams['font.sans-serif'] = ['SimHei'] 
+plt.rcParams['axes.unicode_minus'] = False
+
+# 1. 读取数据 (固定套路)
+with open('movies.json', 'r', encoding='utf-8') as f:
+    movies = json.load(f)
+
+# ==========================================
+# 第1题：柱状图 (类型 vs 数量)
+# ==========================================
+# 这里需要统计一下数量，稍微麻烦一点点，但我帮你写好了逻辑
+type_counts = {}
+for m in movies:
+    # 假设你的json里类型字段叫 'types' 或 'genres'，根据实际改
+    types = m.get('types', '').split('/') 
+    for t in types:
+        t = t.strip()
+        type_counts[t] = type_counts.get(t, 0) + 1
+
+# 取前10个或者全部画图
+x = list(type_counts.keys())
+y = list(type_counts.values())
+
+plt.figure() # 开启一张新画布
+plt.bar(x, y) # <--- 考点：bar是柱状图
+plt.title("类型电影数量分布")
+plt.savefig("q4_1_bar.png", dpi=150)
+
+
+# ==========================================
+# 第2题：散点图 (时长 vs 评分)
+# ==========================================
+# 提取数据
+durations = [m['duration'] for m in movies] # 时长做X
+ratings = [m['rating'] for m in movies]     # 评分做Y
+
+plt.figure() # 开启新画布
+plt.scatter(durations, ratings, color='red', alpha=0.6) # <--- 考点：scatter是散点图
+plt.title("时长与评分关系散点图")
+plt.xlabel("时长(分钟)")
+plt.ylabel("评分")
+plt.savefig("q4_2_scatter.png", dpi=150)
+
+
+# ==========================================
+# 第3题：直方图 (评分分布 & 时长分布)
+# ==========================================
+# A图：评分
+plt.figure()
+plt.hist(ratings, bins=5, color='blue') # <--- 考点：hist是直方图
+plt.title("评分分布")
+plt.savefig("q4_3a_hist.png", dpi=150)
+
+# B图：时长
+plt.figure()
+plt.hist(durations, bins=5, color='green')
+plt.title("时长分布")
+plt.xlabel("时长(分钟)")
+plt.savefig("q4_3b_hist.png", dpi=150)
+
+
+
+
+
+
+只记函数名：
+
+看到“柱状图” \rightarrow 脑子反应出  plt.bar 
+
+看到“散点图” \rightarrow 脑子反应出  plt.scatter 
+
+看到“直方图/分布” \rightarrow 脑子反应出  plt.hist 
+
+搞定中文乱码：只要考试涉及中文图表，上来先把那两行  plt.rcParams...  写上，这是送分也是送命题（不写就没分）。
+
+
+
+
+
+#2.0
+第一步：准备工作（必写）
+
+在代码最开头，必须导入这两个库，这是拿分的基础。
+
+import json                  # 用来读取 JSON 文件
+import matplotlib.pyplot as plt  # 用来画图（plt 是它的简称）
+
+# 【防坑设置】为了防止中文显示成乱码方块，考试时建议加上这两行
+plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
+plt.rcParams['axes.unicode_minus'] = False    # 用来正常显示负号
+
+
+第二步：读取与提取数据（必写）
+
+不管题目怎么变，都要先把数据从  movies.json  里拿出来。
+
+# 1. 打开文件
+with open('movies.json', 'r', encoding='utf-8') as f:
+    data = json.load(f)  # data 现在就是一个包含所有电影的大列表
+
+# 2. 准备两个空篮子，用来装 X轴 和 Y轴 的数据
+x_data = [] 
+y_data = [] 
+
+# 3. 遍历每一部电影，把数据挑出来
+for item in data:
+    # 假设我们要取 "评分" 和 "时长"
+    x_data.append(item['rating'])   # 把评分放入 X 篮
+    y_data.append(item['duration']) # 把时长放入 Y 篮
+
+
+    第三步：画图函数（根据题目选一个）
+
+这是考试的核心，题目考什么图，就套用哪个函数。
+
+图表类型	函数写法	适用场景	关键参数
+柱状图	 plt.bar(x, y) 	统计数量、对比大小	 width=0.5 (柱子宽度)
+散点图	 plt.scatter(x, y) 	看分布、找关系	 c='red' (颜色), alpha=0.6 (透明度)
+折线图	 plt.plot(x, y) 	看趋势、随时间变化	 linestyle='--' (线型)
+直方图	 plt.hist(data) 	看频率分布	 bins=10 (分成几组), color='blue' 
+
+
+第四步：美化与保存（必写）
+
+题目通常会给具体的文件名和标题要求，直接复制粘贴即可。
+
+# 设置标题和坐标轴标签（题目通常会指定文字）
+plt.title("这里是题目要求的标题")
+plt.xlabel("X轴名称")
+plt.ylabel("Y轴名称")
+
+# 保存图片（一定要写在 plt.show() 之前，或者只写这一句）
+# dpi=150 是清晰度，题目没说的话写上更保险
+plt.savefig('q4_1_bar.png', dpi=150) 
+
+# 如果你想看图，可以加这句；如果是自动评分系统，通常不需要
+# plt.show() 
+
+
+
+
+
+#3.0
+没问题！这道题是典型的数据可视化（Data Visualization）题目。它要求你从之前保存的 movies.json 文件中读取数据，然后用 Python 最常用的绘图库 matplotlib 把数据画成图表。
+
+别担心，我会把代码拆解开，一步步教你怎么写，并解释每一行代码的作用。
+
+🛠️ 准备工作：安装必要的库
+做这道题，你需要用到两个库：
+1. matplotlib：用来画图（柱状图、散点图等）。
+2. json：Python 自带的，用来读取 .json 文件。
+
+如果你还没装 matplotlib，请在终端运行：
+pip install matplotlib
+
+📂 第 1 小题：绘制“各类型电影数量”柱状图 (q4_1.py)
+
+💡 思路讲解
+1. 读数据：打开 movies.json，把里面的列表加载到内存中。
+2. 统计数据：我们需要统计每种类型（比如“剧情”、“喜剧”）出现了多少次。这里有个坑：一部电影可能有多个类型（例如“剧情/犯罪”），所以我们要先按分隔符拆分，再统计。
+3. 画图：用 plt.bar() 画柱子。
+4. 保存：用 plt.savefig() 保存图片。
+
+🐍 完整代码 (q4_1.py)
+
+import json
+import matplotlib.pyplot as plt
+
+# 1. 读取数据
+with open('movies.json', 'r', encoding='utf-8') as f:
+    movies = json.load(f)
+
+# 2. 统计各类型的数量
+type_counts = {}
+for movie in movies:
+    # 假设类型字段叫 "types" 或 "genres"，根据你之前的爬虫结果调整
+    # 这里假设字段名是 'types'，且格式为 "剧情 / 犯罪"
+    types_str = movie.get('types', '') 
+    
+    # 将字符串按 '/' 分割，并去除首尾空格
+    type_list = [t.strip() for t in types_str.split('/')]
+    
+    for t in type_list:
+        if t:  # 防止空字符串
+            type_counts[t] = type_counts.get(t, 0) + 1
+
+# 提取 X 轴（类型名）和 Y 轴（数量）
+x_labels = list(type_counts.keys())
+y_values = list(type_counts.values())
+
+# 3. 设置中文字体（非常重要！否则中文会显示成方框）
+plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签
+plt.rcParams['axes.unicode_minus'] = False   # 用来正常显示负号
+
+# 4. 绘制柱状图
+plt.figure(figsize=(10, 6)) # 设置画布大小
+plt.bar(x_labels, y_values)
+
+# 5. 设置标题和标签
+plt.title("类型电影数量分布")
+plt.xlabel("类型名称")
+plt.ylabel("电影数量")
+
+# 6. 保存和显示
+plt.savefig('q4_1_bar.png', dpi=150)
+print("图表已保存为 q4_1_bar.png")
+# plt.show() # 如果你想看弹窗图，取消这行的注释
+
+🔍 重点学习点
+- movie.get('types', '')：安全地获取字典里的值，如果没有这个键就返回空字符串，防止报错。
+- split('/')：因为爬虫抓下来的类型通常是连在一起的字符串（如 "剧情 / 犯罪"），必须切开才能分别计数。
+- plt.rcParams[...]：这是解决 Matplotlib 中文乱码的万能公式，考试必背。
+
+📂 第 2 小题：绘制“评分 vs 时长”散点图 (q4_2.py)
+
+💡 思路讲解
+1. 提数据：我们需要两个列表，一个存所有电影的时长，一个存所有电影的评分。
+2. 画图：使用 plt.scatter()。
+3. 样式：题目特别要求了颜色（红色）和透明度（alpha=0.6）。
+
+🐍 完整代码 (q4_2.py)
+
+import json
+import matplotlib.pyplot as plt
+
+# 1. 读取数据
+with open('movies.json', 'r', encoding='utf-8') as f:
+    movies = json.load(f)
+
+# 2. 提取时长和评分
+durations = []
+ratings = []
+
+for movie in movies:
+    # 注意：要确保数据能转为数字，有些可能为空或格式不对
+    try:
+        dur = int(movie.get('duration', 0).replace('分钟', '').strip())
+        rate = float(movie.get('rate', 0))
+        
+        durations.append(dur)
+        ratings.append(rate)
+    except ValueError:
+        continue # 如果转换失败（比如数据缺失），跳过这一条
+
+# 3. 设置中文字体
+plt.rcParams['font.sans-serif'] = ['SimHei']
+plt.rcParams['axes.unicode_minus'] = False
+
+# 4. 绘制散点图
+plt.figure(figsize=(10, 6))
+# c='red' 设置颜色, alpha=0.6 设置透明度
+plt.scatter(durations, ratings, c='red', alpha=0.6)
+
+# 5. 设置标题和标签
+plt.title("时长与评分关系散点图")
+plt.xlabel("时长 (分钟)")
+plt.ylabel("评分")
+
+# 6. 保存
+plt.savefig('q4_2_scatter.png', dpi=150)
+print("图表已保存为 q4_2_scatter.png")
+
+🔍 重点学习点
+- c='red', alpha=0.6：这是题目明确要求的参数。alpha 越小越透明，这在数据点很多重叠时非常有用，能让你看清数据的密度。
+- 数据清洗 (try...except)：真实数据往往很脏，有的电影可能没填时长。加上 try 结构能保证程序不会因为一条坏数据而崩溃。
+
+📂 第 3 小题：绘制直方图 (q4_3a.py & q4_3b.py)
+
+直方图（Histogram）通常用来展示数据的分布情况（比如：大部分电影都在 90-120 分钟之间）。
+
+(A) 评分分布直方图 (q4_3a.py)
+
+import json
+import matplotlib.pyplot as plt
+
+# 读取数据 (省略重复部分，假设已读取到 movies 变量)
+with open('movies.json', 'r', encoding='utf-8') as f:
+    movies = json.load(f)
+
+# 提取评分数据
+scores = [float(m.get('rate', 0)) for m in movies]
+
+# 设置字体
+plt.rcParams['font.sans-serif'] = ['SimHei']
+
+# 绘制直方图
+plt.figure(figsize=(8, 5))
+# bins=5 表示把数据分成 5 个区间段
+# color='blue' 设置颜色
+plt.hist(scores, bins=5, color='blue')
+
+plt.title("评分分布")
+plt.xlabel("评分")
+
+# 保存
+plt.savefig('q4_3a_hist.png', dpi=150)
+print("已保存 q4_3a_hist.png")
+
+(B) 时长分布直方图 (q4_3b.py)
+
+import json
+import matplotlib.pyplot as plt
+
+# 读取数据
+with open('movies.json', 'r', encoding='utf-8') as f:
+    movies = json.load(f)
+
+# 提取时长数据 (需转为整数)
+durations = []
+for m in movies:
+    try:
+        d = int(m.get('duration', 0).replace('分钟', '').strip())
+        durations.append(d)
+    except:
+        pass
+
+# 设置字体
+plt.rcParams['font.sans-serif'] = ['SimHei']
+
+# 绘制直方图
+plt.figure(figsize=(8, 5))
+# bins=5, 颜色绿色
+plt.hist(durations, bins=5, color='green')
+
+plt.title("时长分布")
+plt.xlabel("时长 (分钟)")
+
+# 保存
+plt.savefig('q4_3b_hist.png', dpi=150)
+print("已保存 q4_3b_hist.png")
+
+🔍 重点学习点
+- plt.hist vs plt.bar：
+    - bar 是你自己算好每个柱子多高（比如：动作片 50 部），传给它画。
+    - hist 是你给它一堆原始数据（比如：[120, 90, 100...]），它自己帮你切分区间并计算高度。
+- bins=5：题目要求分 5 个桶。这意味着它会自动找出最大值和最小值，然后平均切成 5 份来统计。
+
+🎓 总结与避坑指南
+
+1. 文件路径：确保你的 movies.json 文件和这些 .py 代码文件在同一个文件夹里，否则 open('movies.json') 会报错找不到文件。
+2. 字段名称：我在代码里用了 types, duration, rate 作为字典的键（Key）。请务必打开你的 movies.json 看一眼，确认里面的键名是不是这几个。如果你的爬虫写的是 genre 而不是 types，代码里也要对应修改。
+3. 中文乱码：只要看到图里的中文变成 □□□，就是没加那两行 plt.rcParams 代码。
+
+你可以先把代码复制进去跑一下，如果有报错（比如 Key Error），可以把报错信息发给我，我帮你微调！
+
+这部分弄完，需要我再帮你梳理下前面‘抓取全部250部电影’的代码吗？
+
+
+
+
+
+
+#爬虫代码
+#1.0
+要将代码改为抓取前 50 部电影（即豆瓣 Top 250 的前两页），我们需要对 URL 进行循环处理。豆瓣的列表是分页显示的，每页展示 25 部电影。
+
+因此，要获取前 50 部，我们需要访问 start=0（第 1-25 名）和 start=25（第 26-50 名）这两个页面。
+
+以下是修改后的完整代码：
+
+🐍 抓取前 50 部电影完整代码
+
+import requests
+from bs4 import BeautifulSoup as bs
+import json
+import time
+
+# 设置请求头，模拟浏览器访问
+headers = {
+    "user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/129.0.0.0 Safari/537.36"
+}
+
+data = []
+
+# 循环抓取前两页 (0 到 25，步长为 25)
+# range(0, 50, 25) 会生成 [0, 25]，正好对应前 50 部电影
+for start_num in range(0, 50, 25):
+    # 动态构建 URL
+    url = f"https://movie.douban.com/top250?start={start_num}&filter="
+    print(f"正在抓取第 {start_num + 1} - {start_num + 25} 名的电影...")
+    
+    try:
+        resp = requests.get(url, headers=headers)
+        resp.encoding = 'utf-8'
+        soup = bs(resp.text, "html.parser")
+        
+        items = soup.find_all("div", class_="item")
+        
+        for i in range(len(items)):
+            item_data = {}
+            
+            # 1. 获取标题
+            title_span = items[i].find("span", class_="title")
+            if title_span:
+                item_data["title"] = title_span.get_text()
+            else:
+                item_data["title"] = "未知标题"
+                
+            # 2. 获取演员信息
+            bd_div = items[i].find("div", class_="bd")
+            actors_text = bd_div.get_text().strip() if bd_div else ""
+            
+            try:
+                # 尝试提取主演部分
+                if "主演：" in actors_text:
+                    item_data["actors"] = actors_text.split("主演：")[1].split("n")[0].strip()
+                else:
+                    item_data["actors"] = "无主演信息"
+            except:
+                item_data["actors"] = "解析错误"
+                
+            # 3. 获取经典台词 (quote)
+            try:
+                quote_p = bd_div.find("p", class_="quote")
+                if quote_p:
+                    item_data["quote"] = quote_p.find("span").get_text().strip()
+                else:
+                    item_data["quote"] = "暂无台词"
+            except:
+                item_data["quote"] = "暂无台词"
+            
+            data.append(item_data)
+            
+        # 礼貌爬取：每抓完一页暂停 1 秒，防止被封 IP
+        time.sleep(1) 
+        
+    except Exception as e:
+        print(f"抓取第 {start_num} 页时出错: {e}")
+
+# 打印并保存结果
+print(f"n抓取完成！共获取 {len(data)} 部电影数据。")
+print(data)
+
+with open("movies_top50.json", "w", encoding="utf-8") as f:
+    json.dump(data, f, ensure_ascii=False, indent=2)
+
+print("数据已保存到 movies_top50.json")
+
+💡 主要修改点说明
+
+1.  引入循环 (for start_num in range(0, 50, 25))
+    -   原代码只抓取了 start=0 这一页。
+    -   新代码通过 range 函数生成 0 和 25 两个数字。
+    -   当 start_num 为 0 时，抓取第 1-25 名；当 start_num 为 25 时，抓取第 26-50 名。
+
+2.  URL 动态拼接
+    -   使用了 f-string：f"...start={start_num}..."，这样每次循环都会自动更新网址。
+
+3.  增加 time.sleep(1)
+    -   这是一个非常重要的爬虫礼仪。连续快速请求同一个网站很容易导致你的 IP 被豆瓣暂时封锁（返回 418 错误）。加上 1 秒延时可以大大提高成功率。
+
+4.  优化了数据结构
+    -   将每个电影的数据先存入字典 item_data，再添加到列表 data 中，逻辑更清晰，也避免了变量覆盖的问题。
+
+现在脚本已经能稳定抓取前 50 部了，需要我帮你把它改成“一键抓取全部 250 部”吗？
+
+
+
+
+#2.0
+这是从图片中提取并整理好的完整 Python 代码。该脚本用于爬取豆瓣电影 Top 250 的电影信息（标题、演员、经典台词），并将结果保存为 movies.json 文件。
+
+🐍 豆瓣电影 Top 250 爬虫代码
+
+import requests
+from bs4 import BeautifulSoup as bs
+import json
+
+# 设置请求头，模拟浏览器访问
+headers = {
+    "user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/129.0.0.0 Safari/537.36"
+}
+
+url = "https://movie.douban.com/top250?start=0&filter="
+data = []
+
+resp = requests.get(url, headers=headers)
+resp.encoding = 'utf-8'
+soup = bs(resp.text, "html.parser")
+
+items = soup.find_all("div", class_="item")
+
+for i in range(len(items)):
+    # 获取电影标题
+    title = items[i].find("span", class_="title").get_text()
+    
+    # 获取演员信息（处理可能存在的格式问题）
+    actors = items[i].find("div", class_="bd").get_text().strip()
+    try:
+        actors = actors.split("主演：")[1].split("n")[0]
+    except:
+        actors = "无"
+        
+    # 获取经典台词（注意：部分电影可能没有台词，需做异常处理）
+    try:
+        quote = items[i].find("div", class_="bd").find("p", class_="quote").get_text().strip()
+    except:
+        quote = "无"
+        
+    data.append({
+        "title": title,
+        "actors": actors,
+        "quote": quote
+    })
+
+print(data)
+
+# 将数据保存为 JSON 文件
+with open("movies.json", "w", encoding="utf-8") as f:
+    json.dump(data, f, ensure_ascii=False, indent=2)
+
+💡 代码关键点说明
+
+1. 异常处理：在提取“主演”和“经典台词”时使用了 try...except 结构。这是因为部分电影条目可能缺少主演信息或经典台词，直接提取会导致程序报错中断。
+2. 编码设置：resp.encoding = 'utf-8' 确保中文内容不会乱码；保存 JSON 时设置 ensure_ascii=False 也是为了正确显示中文字符。
+3. 数据存储：最终数据被整理为字典列表，并使用 json.dump 格式化写入本地文件，方便后续分析使用。
+
+这段代码只能抓取第一页的 25 部电影，需要我帮你改成循环抓取全部 250 部吗？
+
+
+
+#3.0
+除了保存为 JSON 格式，CSV (Excel) 和 TXT (文本) 是最常用的两种替代方案。
+
+1.  CSV 格式：最推荐。可以直接用 Excel 打开，方便后续做数据分析或整理表格。
+2.  TXT 格式：适合直接阅读，像写日记一样列出电影清单。
+
+以下是修改后的代码，你可以根据需要选择其中一种保存方式（只需替换代码最后的保存部分）。
+
+选项一：保存为 CSV 文件 (推荐，可用 Excel 打开)
+
+这种方式会将数据整理成表格形式。我们需要引入 Python 自带的 csv 库。
+
+import requests
+from bs4 import BeautifulSoup as bs
+import csv # 引入 csv 库
+
+headers = {
+    "user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/129.0.0.0 Safari/537.36"
+}
+
+data = []
+
+# 循环抓取前两页 (前50部)
+for start_num in range(0, 50, 25):
+    url = f"https://movie.douban.com/top250?start={start_num}&filter="
+    print(f"正在抓取: {url}")
+    
+    resp = requests.get(url, headers=headers)
+    resp.encoding = 'utf-8'
+    soup = bs(resp.text, "html.parser")
+    items = soup.find_all("div", class_="item")
+    
+    for i in range(len(items)):
+        try:
+            title = items[i].find("span", class_="title").get_text()
+            
+            actors_raw = items[i].find("div", class_="bd").get_text().strip()
+            try:
+                actors = actors_raw.split("主演：")[1].split("n")[0].strip()
+            except:
+                actors = "无主演信息"
+                
+            try:
+                quote = items[i].find("div", class_="bd").find("p", class_="quote").get_text().strip()
+            except:
+                quote = "暂无台词"
+                
+            # 将数据存入列表
+            data.append([title, actors, quote])
+            
+        except Exception as e:
+            print(f"解析出错: {e}")
+
+# --- 保存为 CSV 文件 ---
+filename = "movies_top50.csv"
+with open(filename, "w", newline="", encoding="utf-8-sig") as f:
+    writer = csv.writer(f)
+    # 写入表头
+    writer.writerow(["电影名称", "主演", "经典台词"])
+    # 写入数据
+    writer.writerows(data)
+
+print(f"成功保存 {len(data)} 部电影到 {filename}")
+
+💡 提示： 这里使用了 utf-8-sig 编码，这是为了防止在 Windows 的 Excel 中打开 CSV 文件时出现中文乱码。
+
+选项二：保存为 TXT 文本文件
+
+这种方式适合直接双击打开阅读，格式比较直观。
+
+import requests
+from bs4 import BeautifulSoup as bs
+
+headers = {
+    "user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/129.0.0.0 Safari/537.36"
+}
+
+content_list = []
+
+# 循环抓取前两页
+for start_num in range(0, 50, 25):
+    url = f"https://movie.douban.com/top250?start={start_num}&filter="
+    resp = requests.get(url, headers=headers)
+    resp.encoding = 'utf-8'
+    soup = bs(resp.text, "html.parser")
+    items = soup.find_all("div", class_="item")
+    
+    for i in range(len(items)):
+        try:
+            title = items[i].find("span", class_="title").get_text()
+            
+            actors_raw = items[i].find("div", class_="bd").get_text().strip()
+            try:
+                actors = actors_raw.split("主演：")[1].split("n")[0].strip()
+            except:
+                actors = "未知"
+                
+            try:
+                quote = items[i].find("div", class_="bd").find("p", class_="quote").get_text().strip()
+            except:
+                quote = "无"
+            
+            # 格式化字符串
+            line = f"【{title}】n主演：{actors}n台词：{quote}n{'-'*30}n"
+            content_list.append(line)
+            
+        except Exception as e:
+            pass
+
+# --- 保存为 TXT 文件 ---
+filename = "movies_top50.txt"
+with open(filename, "w", encoding="utf-8") as f:
+    f.write("豆瓣电影 Top 50 榜单nn")
+    for item in content_list:
+        f.write(item)
+
+print(f"已保存到 {filename}")
+
+总结建议
+
+-   如果你需要统计、筛选（比如只看某位演员的电影），请选择 CSV。
+-   如果你只是想看文字清单，或者发给别人看，请选择 TXT。
+
+要是觉得这两种都不够直观，我还可以帮你改成存进 SQLite 数据库，方便以后做查询，需要的话告诉我。
+
+
+#4.0
+没问题，完全理解你的意思。你是希望保留刚才那份抓取前 50 部的完整逻辑（包括循环和防封延时），仅仅把最后保存为 JSON 的部分改成其他格式。
+
+这里提供两个最常用的替代方案：Excel (CSV) 和 TXT 文本。你可以根据需要直接替换代码的最后 3 行。
+
+方案一：保存为 Excel 表格 (CSV 格式)
+这是最推荐的格式，生成的文件可以直接用 Excel 打开查看，整齐清晰。
+
+修改步骤
+1. 在代码最开头引入 csv 库：
+import csv  # <--- 加上这一行
+
+2. 将代码最后 3 行（即 with open...json.dump... 部分）替换为：
+# === 替换原来的 json 保存代码 ===
+with open("movies_top50.csv", "w", encoding="utf-8-sig", newline="") as f:
+    writer = csv.DictWriter(f, fieldnames=["title", "actors", "quote"])
+    writer.writeheader()      # 写入表头
+    writer.writerows(data)    # 写入数据
+
+print("数据已保存到 movies_top50.csv (可用Excel打开)")
+
+注意： 使用 utf-8-sig 编码是为了防止 Excel 打开中文时出现乱码。
+
+方案二：保存为 TXT 纯文本
+适合直接阅读，像清单一样列出电影信息。
+
+修改步骤
+不需要引入新库，直接将代码最后 3 行替换为：
+# === 替换原来的 json 保存代码 ===
+with open("movies_top50.txt", "w", encoding="utf-8") as f:
+    for movie in data:
+        f.write(f"【{movie['title']}】n")
+        f.write(f"主演：{movie['actors']}n")
+        f.write(f"台词：{movie['quote']}n")
+        f.write("-" * 30 + "n")  # 分割线
+
+print("数据已保存到 movies_top50.txt")
+
+💡 核心提示
+- 前面的代码不用动： for start_num in range(0, 50, 25): 这个循环逻辑以及 time.sleep(1) 都保持不变，确保能抓到 50 条数据且不封 IP。
+- 二选一即可： 上面两个方案选一个你想要的替换掉原代码末尾的 JSON 保存部分就行。
+
+这份代码是抓前 50 部的，需要我帮你改成“一键抓取全部 250 部”吗？
+
+
+
+
+
+
+
+#爬虫第2题
+根据题目要求，我们需要基于第1题爬取并保存的 movies.json 文件，完成第2题的四个小任务。
+
+题目分析
+
+首先，我们需要明确 movies.json 的结构。根据第1题的描述，它包含“数据编号”和“10部电影的信息”，每部电影包含的键为：id, title, director, year, rating, duration, genre, actors_count。
+
+我们可以假设 movies.json 的结构大致如下（具体结构以实际爬取为准，但通常是一个字典，包含一个数据编号字段和一个电影列表字段）：
+
+{
+    "data_id": "some_number",
+    "movies": [
+        {
+            "id": 1,
+            "title": "电影A",
+            "director": "导演X",
+            "year": 2020,
+            "rating": 8.5,
+            "duration": 120,
+            "genre": "动作",
+            "actors_count": 5
+        },
+        // ... 其他9部电影
+    ]
+}
+
+接下来，我们需要加载这个 JSON 文件，并提取出 movies 列表进行后续处理。
+
+解题步骤
+
+1. 准备工作：加载数据
+
+我们需要先读取 movies.json，获取电影列表。
+
+import json
+
+# 假设 movies.json 已经由第1题生成
+with open('movies.json', 'r', encoding='utf-8') as f:
+    data = json.load(f)
+
+# 提取电影列表，根据实际结构可能是 data['movies'] 或 data['data'] 等
+# 这里假设电影列表的键是 'movies'
+movies = data.get('movies') 
+if not movies:
+    # 如果结构不同，可能需要调整，例如 movies = data['data']
+    pass 
+
+2. ① 找出评分最高和最低的电影，打印电影名 + 评分。
+
+我们需要遍历电影列表，找到 rating 最大和最小的电影。可以使用 max() 和 min() 函数配合 key 参数，或者手动遍历。
+
+# 找出评分最高的电影
+highest_rated_movie = max(movies, key=lambda m: m['rating'])
+# 找出评分最低的电影
+lowest_rated_movie = min(movies, key=lambda m: m['rating'])
+
+print(f"评分最高的电影：{highest_rated_movie['title']}，评分：{highest_rated_movie['rating']}")
+print(f"评分最低的电影：{lowest_rated_movie['title']}，评分：{lowest_rated_movie['rating']}")
+
+3. ② 统计各类型的电影数量，用字典格式输出。
+
+电影类型通常在 genre 字段中。我们需要统计每个 genre 出现的次数。
+
+genre_counts = {}
+for movie in movies:
+    genre = movie['genre']
+    genre_counts[genre] = genre_counts.get(genre, 0) + 1
+
+print("各类型电影数量：", genre_counts)
+
+4. ③ 统计各导演的电影数量，用字典格式输出。
+
+同理，统计 director 字段的出现次数。
+
+director_counts = {}
+for movie in movies:
+    director = movie['director']
+    director_counts[director] = director_counts.get(director, 0) + 1
+
+print("各导演电影数量：", director_counts)
+
+5. ④ 统计 2020 年（含）以后上映的电影数量。
+
+遍历电影列表，判断 year 是否大于等于 2020。
+
+count_2020_plus = 0
+for movie in movies:
+    if movie['year'] >= 2020:
+        count_2020_plus += 1
+
+print("2020年（含）以后上映的电影数量：", count_2020_plus)
+
+完整代码示例
+
+将上述步骤整合，完整的 Python 代码如下：
+
+import json
+
+# --- 1. 加载 movies.json 数据 ---
+try:
+    with open('movies.json', 'r', encoding='utf-8') as f:
+        data = json.load(f)
+    # 根据第1题，电影信息通常在 'movies' 键下
+    movies = data.get('movies') 
+    if not movies:
+        raise ValueError("未在 movies.json 中找到 'movies' 列表，请检查数据结构。")
+except FileNotFoundError:
+    print("错误：movies.json 未找到。请先运行第1题的爬取代码生成该文件。")
+    exit()
+except json.JSONDecodeError:
+    print("错误：movies.json 格式不正确。")
+    exit()
+
+# --- 2. ① 找出评分最高和最低的电影 ---
+if movies:
+    highest_rated_movie = max(movies, key=lambda m: m['rating'])
+    lowest_rated_movie = min(movies, key=lambda m: m['rating'])
+
+    print("--- 评分最高/最低 ---")
+    print(f"评分最高的电影：{highest_rated_movie['title']}，评分：{highest_rated_movie['rating']}")
+    print(f"评分最低的电影：{lowest_rated_movie['title']}，评分：{lowest_rated_movie['rating']}")
+
+    # --- 3. ② 统计各类型的电影数量 ---
+    genre_counts = {}
+    for movie in movies:
+        genre = movie['genre']
+        genre_counts[genre] = genre_counts.get(genre, 0) + 1
+    print("n--- 各类型电影数量 ---")
+    print(genre_counts)
+
+    # --- 4. ③ 统计各导演的电影数量 ---
+    director_counts = {}
+    for movie in movies:
+        director = movie['director']
+        director_counts[director] = director_counts.get(director, 0) + 1
+    print("n--- 各导演电影数量 ---")
+    print(director_counts)
+
+    # --- 5. ④ 统计 2020 年（含）以后上映的电影数量 ---
+    count_2020_plus = sum(1 for movie in movies if movie['year'] >= 2020)
+    print("n--- 2020年（含）以后上映的电影数量 ---")
+    print(count_2020_plus)
+else:
+    print("没有电影数据可处理。")
+
+注意事项
+1. 文件依赖：此代码依赖于第1题生成的 movies.json。请确保第1题代码已正确运行，且 movies 列表中的键名（如 genre, director, year, rating, title）与上述代码一致。
+2. 数据结构：如果 movies.json 中电影列表的键不是 movies（例如是 data 或 list），请调整 movies = data.get('movies') 这一行。
+3. 输出格式：题目要求字典格式输出，上述代码中的 genre_counts 和 director_counts 已经是字典，直接打印即可满足要求。
+
+这段代码逻辑清晰，能够一次性完成第2题的所有统计任务。
\ No newline at end of file