1. 程式人生 > >爬蟲基本庫request使用—爬取貓眼電影信息

爬蟲基本庫request使用—爬取貓眼電影信息

sci 文件 fin 安裝 for data- return 表達 score

  使用request庫和正則表達式爬取貓眼電影信息。

1.爬取目標

  貓眼電影TOP100的電影名稱,時間,評分,等信息,將結果以文件存儲。

2.準備工作

  安裝request庫。

3.代碼實現

 1 import json
 2 import requests
 3 from requests.exceptions import RequestException
 4 import re
 5 import time
 6 
 7 
 8 def get_one_page(url):
 9     try:
10         headers = {
11
User-Agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.110 Safari/537.36 12 } 13 response = requests.get(url, headers=headers) 14 if response.status_code == 200: 15 return response.text 16 return
None 17 except RequestException: 18 return None 19 20 21 def parse_one_page(html): 22 pattern = re.compile(<dd>.*?board-index.*?>(\d+)</i>.*?data-src="(.*?)".*?name"><a 23 + .*?>(.*?)</a>.*?star">(.*?)</p>.*?releasetime">(.*?)</p>
24 + .*?integer">(.*?)</i>.*?fraction">(.*?)</i>.*?</dd>, re.S) 25 items = re.findall(pattern, html) 26 for item in items: 27 yield { 28 index: item[0], 29 image: item[1], 30 title: item[2], 31 actor: item[3].strip()[3:], 32 time: item[4].strip()[5:], 33 score: item[5] + item[6] 34 } 35 36 37 def write_to_file(content): 38 with open(result.txt, a, encoding=utf-8) as f: 39 f.write(json.dumps(content, ensure_ascii=False) + \n) 40 41 42 def main(offset): 43 url = http://maoyan.com/board/4?offset= + str(offset) 44 html = get_one_page(url) 45 for item in parse_one_page(html): 46 print(item) 47 write_to_file(item) 48 49 50 if __name__ == __main__: 51 for i in range(10): 52 main(offset=i * 10) 53 time.sleep(2)

爬蟲基本庫request使用—爬取貓眼電影信息