爬取猫眼电影最受欢迎前100 方法1
#!/usr/bin/env python # !--*--coding:utf-8 --*-- # ![url=home.php?mod=space&uid=238618]@Time[/url] :2018/7/5 18:08 # ![url=home.php?mod=space&uid=686208]@AuThor[/url] TrueNewBee # coding=utf-8 # 爬取猫眼电影 # 2018-7-5 17:37:30 # [url=http://maoyan.com/board/4?offset=0]http://maoyan.com/board/4?offset=0[/url] ''' 很完美!!!!2018-7-5 20:04:10 成功运行!啦啦啦 我觉得正则部分还可以优化有空再优化 ''' import requests import re import time import json def get_one_page(url): """爬取猫眼网页""" headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64)AppleWebKit/537.36 (KHTML, like Gecko)Chrome/55.0.2883.87 Safari/537.36' } response = requests.get(url, headers=headers) if response.status_code == 200: return response.text return None def parse_one_page(html): """提取数据""" # 运用正则提取 电影名字,演员等 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) # 遍历提取的结果生成字典 for item in items: yield { '排名': item[0], '图片地址': item[1], '电影名字': item[2], '演员': item[3].strip()[3:], '上映时间': item[4].strip()[5:], '评分': item[5] + item[6] } def write_to_fire(content): """"把提取的数据写入文件""" with open("猫眼Top100电影.txt", "a", encoding="utf-8") as f: print(type(json.dumps(content))) f.write(json.dumps(content, ensure_ascii=False) + '\n') # 使用json模块实现字典的序列化 def main(offset): """主方法""" 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_fire(item) if __name__ == '__main__': for i in range(10): main(offset=i * 10)
如果人生还有重来,那就不叫人生。

浙公网安备 33010602011771号