50行Python代码教你爬取猫眼电影TOP100榜所有信息_猫眼电影大数据推荐python代码(2)

5    try:
6        res = requests.get(url,headers = headers)
7        if res.status_code == 200:
8            return res.text
9        return None
10    except RequestException:
11        return None

##### 二、构造HTML解析器

1def parse_one_page(html):
2    pattern = re.compile(‘

.*?board-index.*?>(\d+).*?data-src=“(.*?)”.*?name"><a’
3                         +‘.*?>(.*?).*?star">(.*?)

.*?releasetime">(.*?)’
4                         +‘.*?integer">(.*?).*?fraction">(.*?).*?’,re.S)
5    items = re.findall(pattern,html)
6    for item in items:
7        yield{
8            ‘index’: item[0],
9            ‘image’: item[1],
10            ‘title’: item[2],
11            ‘actor’: item[3].strip()[3:],
12            ‘time’: item[4].strip()[5:],
13            ‘score’: item[5] + item[6]
14        }

> 
> 注意：
> 
> 
> 1. 在函数中本来该return的地方用yield，如果用return，在第一轮循环就会跳出，结果文件只会有一部电影。如果用yield，函数返回的就是一个生成器，而生成器作为一种特殊的迭代器，可以用for——in方法，一次一次的把yield拿出来；
> 2. re.findall(pattern,string[,flags])：搜索整个string，以列表的形式返回能匹配的全部子串，其中参数是匹配模式，如re.S表示点任意匹配模式，改变“.”的行为。
> 
> 
> 


##### 三、构造数据存储器

1def write_to_file(content):
2    with open (‘result.txt’, ‘a’,encoding=‘utf-8’) as f:
3        f.write(json.dumps(content,ensure_ascii=False) + ‘\n’)
4        f.close()

> 
> 注意事项：
> 
> 
> 1. 为什么ensure\_ascii=False？原因是json默认是以ASCII来解析code的，由于中文不在ASCII编码当中，因此就不让默认ASCII生效；
> 2. 要写入特定编码的文本文件，请给open()函数传入encoding参数，将字符串自动转换成指定编码。细心的童鞋会发现，以'w'模式写入文件时，如果文件已存在，会直接覆盖（相当于删掉后新写入一个文件）。如果我们希望追加到文件末尾怎么办？可以传入'a'以追加（append）模式写入。
> 
> 
> 


接下来就是构造主函数，初始化各个模块，传入入口URL，按照运行流程执行上面三大模块：

1def main(offset):
2    url = ‘http://maoyan.com/board/4?offset=’ + str(offset)
3    html = get_one_page(url)
4    for item in parse_one_page(html):
5        print(item)
6        write_to_file(item)
7if name == ‘__main__’:
8    p = Pool()

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

大纲路线、讲解视频，并且后续会持续更新**

需要这份系统化资料的朋友，可以戳这里获取