1.确定爬取目标
提取出猫眼电影TOP100的电影名称、时间、评分、图片等信息,提取的URL为:http://maoyan.com/board/4,提取的结果以文件形式保存下来。
2.前期准备
本项目需要用到requests库,请确保已经正确安装好了requests库,如果没有安装,可以用pip指令进行安装,非常简单,这里就不再详细叙述了。
打开URL后,可以看到排名第一的是「霸王别姬」,可以看到页面显示的有效信息有电影名字、主演、上映时间、上映地区、评分、图片等信息。
3.“种子”的分析,生成爬虫入口
现在需要确定正则表达式,在谷歌浏览器,打开开发者选项(F12),查看其中的一个条目的源代码,如图所示。