爬取猫眼电影排行榜-Python程序-效果演示

代码效果演示
Gitee源码

# -*- coding: utf-8 -*-
# Version: Python 3.9.7
# Author: TRIX
# Date: 2021-10-04 10:58:56
# Use: 利用re 爬取猫眼电影TOP电影信息 包括 排名 封面 电影名 主演 上映时间 评分 并储存到 txt json jpg
import requests,re,json
#个人headers获取方法 f12-网络-f5-名称-任意一个条目-标头-请求标头-复制所有 根据网页进行部分修改 再用 headersStrToDict.py(作者的Gitee上有该文件 https://gitee.com/trix_repository/python_primary_programs/tree/master/grab_from_webs/headersStrToDict) 将复制的字符串转换成字典字符串形式 代码演示:https://www.bilibili.com/video/BV17f4y177tK
filmHeaders={
  "Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9",
  "Accept-Encoding": "gzip, deflate, br",
  "Accept-Language": "zh-CN,zh;q=0.9,en;q=0.8,en-GB;q=0.7,en-US;q=0.6",
  "Connection": "keep-alive",
  "Cookie": "__mta=121600695.1633276133288.1633486391780.1633486486213.25; uuid_n_v=v1; uuid=68300D50246111ECBC330D5DE33F2BD5DC4E5699C4B34D37ABD9B18E36A7FE41; _lxsdk_cuid=17c46d7ff1dc8-0e4be0ab9874b1-513c164a-bfe6e-17c46d7ff1dc8; _lxsdk=68300D50246111ECBC330D5DE33F2BD5DC4E5699C4B34D37ABD9B18E36A7FE41; __mta=121600695.1633276133288.1633317988496.1633318498554.22; _csrf=34b8929cfc79025ebc9bb219233450e5cf2fe4210bc8d3df569351110be80adb; Hm_lvt_703e94591e87be68cc8da0da7cbd0be2=1633276133,1633308246,1633486385; Hm_lpvt_703e94591e87be68cc8da0da7cbd0be2=1633486486; _lxsdk_s=17c53602e76-352-32a-94e%7C%7C5",
  "Host": "maoyan.com",
  #"Referer": "https://maoyan.com/board/4?offset=20",
  "sec-ch-ua": "\"Chromium\";v=\"94\", \"Microsoft Edge\";v=\"94\", \";Not A Brand\";v=\"99\"",
  "sec-ch-ua-mobile": "?0",
  "sec-ch-ua-platform": "\"Windows\"",
  "Sec-Fetch-Dest": "document",
  "Sec-Fetch-Mode": "navigate",
  "Sec-Fetch-Site": "same-origin",
  "Sec-Fetch-User": "?1",
  "Upgrade-Insecure-Requests": "1",
  "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.71 Safari/537.36 Edg/94.0.992.38"
}
coverHeaders={
  "Referer": "https://maoyan.com/",
  "sec-ch-ua": "\"Chromium\";v=\"94\", \"Microsoft Edge\";v=\"94\", \";Not A Brand\";v=\"99\"",
  "sec-ch-ua-mobile": "?0",
  "sec-ch-ua-platform": "\"Windows\"",
  "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.71 Safari/537.36 Edg/94.0.992.38"
}
def getHtml(url,getContent=False,head=filmHeaders):#获取网页html getContent获取二进制数据
	response=requests.get(url,headers=head)
	print(f'正在尝试获取 {url} 数据,响应码:{response.status_code}')
	if response.status_code==200:
		if getContent:
			return response.content
		return response.text
	else:
		print(f'网页 {url} 获取数据失败')
		return None

def getPageFilmsInfo(page):#获取页面多个电影信息 返回多个电影信息字典组成的列表
	filmHtml=getHtml(baseUrl+f'/board/4?offset={page}')
	filmPattern=re.compile(r'<dd>.*?board-index.*?>(.*?)</i>.*?<a href="(.*?)".*?name.*?<a.*?>(.*?)</a>.*?star.*?>(.*?)</p>.*?releasetime.*?>(.*?)</p>.*?integer.*?>(.*?)</i>.*?fraction.*?>(.*?)</i>.*?</dd>',re.S)#匹配电影的信息 re.S =re.DOTALL 使 . 能够匹配所有字符
	filmsInfo=filmPattern.findall(filmHtml)#多个电影信息 排名 封面 电影名 主演 上映时间 评分

	coverPattern=re.compile(r'<img class="avatar".*?src="(.*?)".*?alt="',re.S)#匹配电影的封面 re.S =re.DOTALL 使 . 能够匹配所有字符
	infoDictsList=[]
	for filmInfo in filmsInfo:
		print(f'正在爬取排名第{filmInfo[0]}的电影信息')

		coverUrl=coverPattern.findall(getHtml(baseUrl+filmInfo[1]))[0]#href - avatar 获取电影海报图片链接
		coverJpg=getHtml(coverUrl,getContent=True,head=coverHeaders)#获取电影海报图片内容
		coverFile=f'{filmInfo[2].strip()}.jpg'#海报储存为jpg
		with open(coverFile,'wb') as f:
			f.write(coverJpg)#下载电影封面

		infoDict={#电影信息
		'index':filmInfo[0],#board-index
		'cover':coverFile,#name.jpg
		'coverUrl':coverUrl,#href - avatar
		'name':filmInfo[2].strip(),#name
		'mainActor':filmInfo[3].strip()[3:],#star
		'releaseTime':filmInfo[4].strip()[5:],#releasetime
		'score':filmInfo[5].strip()+filmInfo[6],#integer+fraction
		}

		infoDictsList.append(infoDict)
	return infoDictsList

def getTopFilmsInfo(pages):#爬取猫眼电影TOP电影信息 pages1-10
	if pages not in list(range(10)):
		raise ValueError('猫眼电影排行榜Top100 pages参数范围:1-10')
	print(f'爬取猫眼电影TOP{pages*10}电影信息\n')
	txtFile=f'猫眼电影Top{pages*10}.txt'
	jsonFile=f'maoyanFilmsTop{pages*10}.json'
	f=open(txtFile,'w',encoding='utf-8')
	j=open(jsonFile,'w',encoding='utf-8')
	for n in range(pages):
		print(f'正在爬取第{n+1}页的电影信息')
		infoDictsList=getPageFilmsInfo(n*10)
		for infoDict in infoDictsList:
			f.write('---Top{}---\n'.format(infoDict['index']))
			f.write('电影名:{}\n'.format(infoDict['name']))
			f.write('评分:{}\n'.format(infoDict['score']))
			f.write('主演:{}\n'.format(infoDict['mainActor']))
			f.write('上映时间:{}\n'.format(infoDict['releaseTime']))
			f.write('封面:{}\n'.format(infoDict['cover']))
			f.write('封面链接:{}\n'.format(infoDict['coverUrl']))
			f.write('\n')

			j.write(json.dumps(infoDict,ensure_ascii=False,indent=4,separators=(',', ':'),sort_keys=True)+'\n')#dict转json ensure_ascii让输出结果是中文而不是unicode indent缩进 separators分隔符 sort_keys排序keys
	print(f'爬取完毕,电影信息已储存至{txtFile}{jsonFile},电影封面储存为 电影名.jpg')
	f.close()
	j.close()

baseUrl='https://maoyan.com'
getTopFilmsInfo(1)#视频演示 为了节省时间 只爬取top10

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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