requests+re 爬取猫眼电影榜单

python3

 

 

 

import re
import json
import requests
from multiprocessing import Pool
from requests.exceptions import RequestException

def spider_page(url):
    try:
        response = requests.get(url)
        if response.status_code == 200:
            return response.text
    except RequestException:
        return None

def parse_page(html):

    pattern = re.compile('<dd>.*?board-index.*?>(\d+)</i>.*?data-src="(.*?)".*?name">.*?'
                         +'title="(.*?)".*?star">(.*?)<.*?releasetime">(.*?)</p>.*?'
                          +'integer">(.*?)<.*?fraction">(.*?)<.*?</dd>',re.S)#创建一个正则对象

    ans = re.findall(pattern,html)

    for item in ans:#将结果转换成生成器
        yield {
            'index':item[0],
            'photo_url':item[1],
            'name':item[2],
            'actors':item[3].strip()[3:],
            'time':item[4].strip()[5:],
            'score':item[5]+item[6]

        }

def write_file(text) :

    with open('result.txt','a',encoding='utf-8') as f:
        f.write(json.dumps(text,ensure_ascii=False)+'\n')#确保解析成汉字
        f.close()

def main(num):

    url = 'https://maoyan.com/board/4?offset='+str(num) 
                                            #分析也页面可知 共有10页 每页地址后缀不同
    html = spider_page(url)

    parse_page(html)
    for i in parse_page(html):
        # print(i)
        write_file(i)

    # print(html)

if __name__ == '__main__':

    for i in range(10):
        main(i*10)

    # pool = Pool()       #线程池方法输出
    # pool.map(main,[i*10 for i in range(10)])

 

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值