爬虫练习 | 爬取猫眼电影Top100
Posted 404noofound
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了爬虫练习 | 爬取猫眼电影Top100相关的知识,希望对你有一定的参考价值。
#coding=utf-8 _date_ = ‘2018/12/9 16:18‘ import requests import re import json import time def get_one_page(url): headers={ ‘User-Agent‘:‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (Khtml, like Gecko) Chrome/70.0.3538.110 Safari/537.36‘ } reg=requests.get(url,headers=headers) if reg.status_code==200: return reg.text else: print(‘出错了‘) def write_to_file(conments): with open(‘page.text‘,‘a‘,encoding=‘utf-8‘)as a: a.write(json.dumps(conments,ensure_ascii=False)+‘ ‘) def parse_one_page(html): r=re.compile(‘<dd>.*?board-index.*?>(.*?)</i>.*?data-src="(.*?)".*?name.*?a.*?>(.*?)</a>.*?star.*?>(.*?)</p>.*?releasetime.*?>(.*?)</p>.*?"integer.*?>(.*?)</i>.*?"fraction.*?>(.*?)</i>.*?</dd>‘,re.S) items=re.findall(r,html) for item in items: yield { ‘index‘:item[0], ‘image‘:item[1], ‘name‘:item[2], ‘star‘:item[3].strip(), ‘time‘:item[4].strip(), ‘score‘:item[5]+item[6] } if __name__ == ‘__main__‘: for i in range(0,10): url=‘https://maoyan.com/board/4?offset={}‘.format(i*10) html=get_one_page(url) content=parse_one_page(html) for i in content: write_to_file(i) time.sleep(1)
以上是关于爬虫练习 | 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
# [爬虫Demo] pyquery+csv爬取猫眼电影top100