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

最新推荐文章于 2024-12-04 16:23:46 发布

2401_86637143

最新推荐文章于 2024-12-04 16:23:46 发布

阅读量363

点赞数 3

文章标签： python 大数据开发语言

本文链接：https://blog.csdn.net/2401_86637143/article/details/142147295

版权

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()
9 p.map(main,[i*10 for i in range(10)])



> 
> 注意：  
> 为了提高速度，我们引入Pool模块，用多线程并发抓取。
> 
> 
> 


执行代码后，结果如下：


![](https://img-blog.csdn.net/20180423222047159?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3podXNvbmd6aXll/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70)  



本文中介绍了基础爬虫架构主要的的三个模块（HTML下载器、HTML解析器、数据存储器），无论大型还是小型爬虫都不会脱离这三个模块，也希望大家通过这个小小的练习对整个爬虫有个清晰的认识，欢迎大家一起谈论学习交流。


### 最后

不知道你们用的什么环境，我一般都是用的Python3.6环境和pycharm解释器，没有软件，或者没有资料，没人解答问题，都可以免费领取（包括今天的代码），过几天我还会做个视频教程出来，有需要也可以领取~  

给大家准备的学习资料包括但不限于：  

Python 环境、pycharm编辑器/永久激活/翻译插件  

python 零基础视频教程  

Python 界面开发实战教程  

Python 爬虫实战教程  

Python 数据分析实战教程  

python 游戏开发实战教程  

Python 电子书100本  

Python 学习路线规划

![](https://img-blog.csdnimg.cn/d29631674929476f9c3b30f7ff58dff0.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA==,size_16,color_FFFFFF,t_70)