爬虫实战:猫眼电影top100

"""
filename: maoyantop100/spider.py
python: 3.7.0
description: 使用requests和正则爬取猫眼电影
author: master
ide: pycharm
"""

import requests
import re
import json

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',
    # 'Host': 'maoyan.com',
    # 'Upgrade-Insecure-Requests': '1',
    # 'Referer': 'http://maoyan.com/board',
    # 'Connection': 'keep-alive',
}

def crawl_one_page(url):
    # 需要User-agent标识,否则返回403
    response = requests.get(url, headers=headers)
    if response.status_code == 200:
        return response.text
    else:
        return "status code :" + str(response.status_code)

def parse_one_page(content):
    # 可以把要匹配的一段源码复制出来,把不需要的用.*?代替,需要的用(.*?)代替,注意唯一匹配就好
    pattern = re.compile('<dd>.*?board-index-.*?">(.*?)</i>.*?'
                         +'data-src="(.*?)".*?class="name".*?'
                         +'data-val.*?>(.*?)</a>.*?'
                         +'star">\s*?主演:(.*?)\s*?</p>.*?'
                         +'releasetime">上映时间:(.*?)</p>.*?'
                         +'integer">(.*?)</i><i class="fraction">(.*?)</i></p>', re.S)
    items = pattern.findall(content)

    # 规则返回
    for item in items:
        yield {
            'index': item[0],
            'image_url': item[1],
            'title': item[2],
            'protagonist': item[3].split(','),
            'date': item[4],
            'grade': item[5]+item[6]
        }

def save_one_pagr(fo, item):
    # 写入文件,不要编码为ascii,中文会乱码
    data = json.dumps(item, ensure_ascii=False) + '\n'
    fo.write(data)

def main():
    # 找到每一页的规律
    start_url = "http://maoyan.com/board/4?offset="
    # 文件对象,追加,使用utf8编码写入
    fo = open('result.txt', 'a', encoding='utf8')

    # 这里只有10页
    for i in range(10):
        url = start_url + str(i*10)
        html = crawl_one_page(url)

        # 查看进度
        print("[+] " + url)

        # yield返回的是迭代器,保存到文件
        for item in parse_one_page(html):
            save_one_pagr(fo, item)

    # 只打开一次,节省资源
    fo.close()

if __name__ == '__main__':
    main()

结果:

{"index": "1", "image_url": "http://p1.meituan.net/movie/20803f59291c47e1e116c11963ce019e68711.jpg@160w_220h_1e_1c", "title": "霸王别姬", "protagonist": ["张国荣", "张丰毅", "巩俐"], "date": "1993-01-01", "grade": "9.6"}
image.png
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,383评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,522评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,852评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,621评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,741评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,929评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,076评论 3 410
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,803评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,265评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,582评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,716评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,395评论 4 333
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,039评论 3 316
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,798评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,027评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,488评论 2 361
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,612评论 2 350

推荐阅读更多精彩内容