当前位置： 移动技术网 > IT编程>脚本编程>Python > Python爬虫实战之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

2018年12月01日  | 移动技术网IT编程  | 我要评论 
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) + '\n')
        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 

您可能感兴趣的文章:

如对本文有疑问， 点击进行留言回复！！

相关文章:

验证码：
最近更新的文章
大家感兴趣的文章
移动技术网