python(初学提取html页面元素,借用老师)

Posted

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(初学提取html页面元素,借用老师)相关的知识,希望对你有一定的参考价值。

 -*- coding: utf-8 -*-
import urllib2

import os

def mean_audience_score(id):
    arv = 0.0
    sc_url = "http://movie.mtime.com/" + id + "/"
    sc_req = urllib2.Request(sc_url, headers={‘User-Agent‘: "Magic Browser"})
    sc_page = urllib2.urlopen(sc_req)
    sc_strw = sc_page.read()

    sc_str = re.findall(r‘<span class="db_point ml6">+\d+\.+\d+</span>‘, sc_strw)
    if len(sc_str) == 0:
        return arv
    for tt in sc_str:
        scsc = re.findall(r‘\d+\.+\d‘, tt)
        arv += float(scsc[0])
    return arv / len(sc_str)

url = ‘http://theater.mtime.com/China_Anhui_Province_Wuhu/‘
req = urllib2.Request(url,headers={‘User-Agent‘ : "Magic Browser"})
webpage = urllib2.urlopen(req)
strw = webpage.read()*0
print strw
tg_start = strw.find(‘hotplaySvList = [‘)
print tg_start
if tg_start == -1:
	print ‘not find start tag‘
	os._exit(0)
tmp = strw[tg_start:-1]
print tmp
tg_end = tmp.find(‘;‘)
print tg_end
if tg_end == -1 :
    print ‘not find end tag‘
    os._exit(0)
tmp = tmp[len(‘hotplaySvList = [‘):tg_end]
print tmp
tar_ls = tmp.split("},{")
dict_film = {}
for t0 in tar_ls:
    ls_t = t0.split(‘,‘)
    id = ls_t[0].split(‘:‘)[-1].strip()
    film = ls_t[-1].split(‘"‘)[-2].strip()
    dict_film[id] = film
for t in dict_film:
    print "id:" + t + "  film:" + dict_film[t]

 

以上是关于python(初学提取html页面元素,借用老师)的主要内容,如果未能解决你的问题,请参考以下文章

初学python第三天的随堂笔记

Python定位页面元素一个标签中有两个文本,如何定位其中一个文本

python初学者的一点感想

Python初学者列表元素删除添加及弹出

如何用python的selenium提取页面所有资源加载的链接

07 Python初学(元组)