Requests+正则表达式爬取猫眼TOP100电影

Posted sanduzxcvbnm

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Requests+正则表达式爬取猫眼TOP100电影相关的知识,希望对你有一定的参考价值。

需要着重学习的地方:
(1)爬取分页数据时,url链接的构建
(2)保存json格式数据到文件,中文显示问题
(3)线程池的使用
(4)正则表达式的写法

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

# 抓取单页内容
def get_one_page(url):
    try:
        response = requests.get(url)
        if response.status_code == 200:
            return response.text
        return None
    except RequestException:
        return  None

# 正则表达式分析
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)
    # print(items)
    for item in items:
        yield {
            index:item[0],
            image:item[1],
            title:item[2],
            actor:item[3].strip()[3:],
            time:item[4].strip()[5:],
            score:item[5] + item[6]
        }

#  保存至文件
def write_to_file(content):
    # 注意:把json数据保存到文件中显示出中文
    with open(result.txt,a,encoding=utf-8) as f:
        f.write(json.dumps(content,ensure_ascii=False) + 
)
        f.close()

def main(offset):
    url = https://maoyan.com/board/4?offset= + str(offset)
    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__:
    # 开启循环,抓取多页数据
    # for i in range(10):
    #     main(i*10)
    # 使用线程池
    pool = Pool()
    pool.map(main,[i*10 for i in range(10)])

 

 
 






以上是关于Requests+正则表达式爬取猫眼TOP100电影的主要内容,如果未能解决你的问题,请参考以下文章

Python | requests+正则表达式爬取猫眼电影TOP100

Python爬虫实战之Requests+正则表达式爬取猫眼电影Top100

Requwsts+正则表达式爬取猫眼电影Top100

14-Requests+正则表达式爬取猫眼电影

Requests+正则爬取猫眼电影TOP100

Python实战之如何爬取猫眼电影排行?本文详解