Python爬虫实战之Requests+正则表达式爬取猫眼电影Top100

Posted 凌冷

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爬虫实战之Requests+正则表达式爬取猫眼电影Top100相关的知识,希望对你有一定的参考价值。

import requests
from requests.exceptions import RequestException
import re
import json
# from multiprocessing import Pool

# 测试了下 这里需要自己添加头部 否则得不到网页
headers = {
    User-Agent:Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.102 Safari/537.36
}
# 得到html代码
def get_one_page(url):
    try:
        response = requests.get(url, headers = headers)
        if response.status_code == 200:
            return response.text
        return None
    except RequestException:
        return None

# 解析html代码
def parse_one_page(html):
    pattern = re.compile(<dd>.*?board-index.*?>(d+)</i>.*?data-src="(.*?)".*?name"><a.*?">(.*?)</a>.*?star">(.*?)</p>.*?releasetime">(.*?)</p>.*?integer">(.*?)</i>.*?fraction">(.*?)</i>.*?(/dd), re.S)
    items = re.findall(pattern, html)
    for item in items:
        # 将元组形式变为字典
        yield {
            【排名】: item[0],
            【图片】: item[1],
            【标题】: item[2],
            【主演】: item[3].strip()[3:],
            【上映时间】: item[4].strip()[5:],
            【评分】: item[5] + item[6]
        }

# 写入文件
def write_to_file(content):
    # 注意encoding = ‘utf-8‘和ensure_ascii = False,不写的话不能输出汉字
    with open(电影.txt, a, encoding = utf-8) as f:
        f.write(json.dumps(content, ensure_ascii = False) + 
)
        f.close()

# 主函数
def main(offset):
    url = http://maoyan.com/board/4?offset= + str(offset)
    html = get_one_page(url)
    for item in parse_one_page(html):
        print(item)
        write_to_file(item)

if __name__ == __main__:
    for i in range(10):
        main(i * 10)

# 多进程(测试有bug)
# if __name__ == ‘__main__‘:
#     pool = Pool()
#     pool.map(main, [i * 10 for i in range(10)])
#     pool.join()
#     pool.close()

代码来自崔庆才 

以上是关于Python爬虫实战之Requests+正则表达式爬取猫眼电影Top100的主要内容,如果未能解决你的问题,请参考以下文章

Python爬虫实战,完整的思路和步骤(附源码)

Python爬虫编程思想(36):项目实战-抓取斗破小说网的目录和全文

python爬虫之解析库正则表达式

python3爬虫初探之正则表达式

爬虫--Python常用模块之requests,urllib和re

python爬虫入门练习,使用正则表达式和requests爬取LOL官网皮肤