猫眼电影 Top案例 实战 Python 抓取

写在前面

  • 最近公司开始流行分享技术,之前在公司也做过这件事,后来工作比较忙搁置了,现在不是那么忙,业余时间自己瞎研究,都说Python是未来的大方向,你我都是同龄人,岂能落于他人后! 人生苦短我用Python主要是快拿来主义,不需要什么都明白,会用就好。今天也是同样的道理,我会尽量用简单、易懂的方式阐述一下我的这个实战案例!

直奔干货

  • 网络爬虫的步骤
    1.分析站点
    2.找到真实的数据源
    3.建立请求获取想要的数据
    4.分析下一页地址,找出规律,实现多页请求

开发环境

  • 系统 :macOS
  • 工具: PyCharm
  • Python3.6
  • 存储库:MongoDB

首页我们看一下完成的结果

2.png
3.png

流程

  • 第一步 分析第一页的网页 url = http://maoyan.com/board/4?offset=0

    1.png

    网页源代码.png

    结果:很开心在网页源代码中我们看到了我们想要的数据

  • 第二步数据就是我们每一个dd标签中的信息,在这里我们就采集img_url,title,actor,time 这四个数据

  • 第三步开始编辑代码

import requests,re
import pymongo
from multiprocessing import Pool
from requests import RequestException

client = pymongo.MongoClient()
db = client.test

#获取页面文本
def get_index_page(offset):
    '''
    多行注释
    :return:
    '''
    url = 'http://maoyan.com/board/4?offset=%s'%offset
    print("开始请求 %s" % url)

    try:

        response = requests.get(url,headers={})
        if response.status_code == 200:
            print(response)
            html = response.text

            reg = r'<img data-src="(.*?)".*?data-val=".*?">(.*?)</a></p>.*?主演:(.*?)\n.*?上映时间:(.*?)</p>'
            infos = re.findall(reg,html,re.S)
            return infos
    except RequestException as err:
        print("请求报错 %s" % err)
        get_index_page(offset)

    else:
        print("请求失败 %s %s" % (url,url))

def save_info(infos):
    for img_url,title,actor,time in infos:
        print(title)
        dic = {
            'img_url':img_url,
            'title':title,
            'actor':actor,
            'time':time
        }
        print("正在保存 %s" % dic)
        db.movietab.insert(dic)
        save_img(img_url,title)

def save_img(url,title):
    print("下载图片 %s %s " %(title,url))

    response = requests.get(url)
    if response.status_code == 200:
        data = response.content
        with open('imgs/%s.jpg' % title,'wb') as f:
            f.write(data)


def main(page):
    print('当前页数 %s' % page)
    infos = get_index_page(page)
    save_info(infos)

if __name__ == "__main__":

    pool = Pool(4)
    pages = [x*10 for x in range(0,10)]
    for page in pages:
        print(pages)
        pool.apply_async(main(page))


注意:

  • 获取文本使用的是response.text,
  • 获取图片是response.content
  • client = pymongo.MongoClient(),因为我这是本机装的MongoDB 所以不用host 端口 默认就是

总结

从代码的角度来看,确实没有什么难度,主要是思想,使用其他的语言一样可以实现,看完之后不知道你是不是也觉得很简单呢,想上手试试,建议多练!

爱生活,爱分享!

最后编辑于
©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 221,548评论 6 515
  • 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 94,497评论 3 399
  • 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 167,990评论 0 360
  • 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 59,618评论 1 296
  • 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 68,618评论 6 397
  • 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 52,246评论 1 308
  • 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 40,819评论 3 421
  • 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 39,725评论 0 276
  • 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 46,268评论 1 320
  • 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 38,356评论 3 340
  • 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 40,488评论 1 352
  • 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 36,181评论 5 350
  • 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 41,862评论 3 333
  • 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 32,331评论 0 24
  • 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 33,445评论 1 272
  • 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 48,897评论 3 376
  • 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 45,500评论 2 359

推荐阅读更多精彩内容