Requests+正则表达式爬猫眼电影Top-100

流程框架

  • 抓取单页内容:利用requests请求目标站点,得到单个网页HTML代码,返回结果
  • 正则表达式分析:根据HTML代码分析得到电影的名称、主演、上映时间、评分、图片链接等信息
  • 保存至文件:通过文件的形式将结果保存
  • 开启循环及多线程:对多页内容遍历,开启多线程提高抓取速度

实例

import requests
from requests.exceptions import RequestException
import re
import json
from multiprocessing import Pool
def get_one_page(url):
    try:
        headers = {
            'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.130 Safari/537.36'
        }
        response = requests.get(url, headers=headers)
        if response.status_code == 200:
            return response.text
        return None
    except RequestException:
        return None
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]
        }
def write_to_file(content):
    with open('Maoyan_Top100.txt', 'a', encoding='utf-8') as f:
        f.write(json.dumps(content, ensure_ascii=False)+'\n')
        f.close()
def main(offset):
    url = 'https://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)
# 单进程
if __name__ == '__main__':
    for i in range(10):
        main(i*10)
# 多进程
if __name__ == '__main__':
    pool = Pool()
    pool.map(main, [i*10 for i in range(10)])
©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

推荐阅读更多精彩内容

  • 一、介绍 最近在看崔庆才老师的视频,崔大大确实不错,思路和代码书写都很谨慎,我就再码码字吧,方便以后查阅或温习 二...
    1想得美阅读 1,080评论 4 7
  • 一、介绍 爬取猫眼电影的翻版,练练手的同时也有新发现 二、流程 用浏览器打开糗事百科,分析站点 抓取单页内容利用R...
    1想得美阅读 1,005评论 0 1
  • 山茶 冻风二月雪兼雨,桃李畏寒香梦中。惟有山茶豪气壮,野径盛放满枝红。 芙蓉花 芙蓉拂面秋风里,晓露红芳湖上开,羞...
    六醉老农蔡志远阅读 501评论 0 0
  • 毛清姣 焦点中级二期 2019年1月12日 坚持分享第902天 今天早上,我在听书的时候,听到了一个观点...
    Emily626阅读 155评论 0 0
  • 1.除法算式:高雅雯、于华承、尚圣杰、张飏。 2.读作:李明启、于华承、李宇航、罗振轩、申宸赫、谢卓依、于起霏、陈...
    A_thinker阅读 502评论 0 1