Python 爬虫之第一次接触

Posted GCat

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Python 爬虫之第一次接触相关的知识,希望对你有一定的参考价值。

爬豆瓣网电影TOP250名单 ------- 代码未写完,等待更新

 

import requests
from requests.exceptions import RequestException
import re
import json

def get_one_page(url):
    try:
        response = requests.get(url)
        if response.status_code == 200:#判断网页是否正常开启
            return response.text#返回没有
        return None
    except RequestException:
        return None

def parse_one_page(html):
    pattern = re.compile("", re.S)#笔记本屏幕太小看不过来
    items = re.findall(pattern, html)

    for item in items:#把爬取的信息进行格式化
        yield{
            "":item[0],
            "":item[1],
        }


def write_to_file(content):
    with open("result.txt", "a", encoding="utf-8") as f:
        f.write(json.dumps(content, ensure_ascii=False) + "\n")
        f.close()

def main():
    url = "https://movie.douban.com/top250"
    html = get_one_page(url)
    # parse_one_page(html)
    for item in parse_one_page(html):
        print(item)
        write_to_file(item)

if __name__ == "__main__":
    main()

#这段代码没有加RE的匹配方式(笔记本屏幕小)
#第二个这段代码只能匹配一页的东西,自己发挥想象把

 

以上是关于Python 爬虫之第一次接触的主要内容,如果未能解决你的问题,请参考以下文章

scrapy按顺序启动多个爬虫代码片段(python3)

scrapy主动退出爬虫的代码片段(python3)

python 爬虫基础之urllib

python爬虫之scrapy框架

python网络爬虫之使用scrapy自动爬取多个网页

python爬虫之PyQuery的基本使用