爬虫豆瓣电影top250代码和收获

# -*- coding:utf-8 -*-
import urllib2
import re
class MovieTop250 :
    def __init__(self):
        self.start = 0
        self.movielist = []

    def getPage(self):
        try:
            headers = {"User-Agent" : "Mozilla/5.0(Windows NT 6.1;WOW64)"}
            url = "https://movie.douban.com/top250?start="+str(self.start)
            request = urllib2.Request(url = url,headers = headers)
            response = urllib2.urlopen(request)
            page = response.read()
            pageNum = str(self.start / 25)
            print "正在抓取第" + pageNum + "页"
            return page

        except urllib2.URLError,e:
            print e.reason
    def getMovie(self):
        pattern = re.compile('<em.*?class="">(.*?)</em>.*?'#网页源代码中属性那里仅有class,但写正则表达式要写成class=""
                             +'<a.*?>.*?<span class="title">(.*?)</span>.*?'
                             +'<span class="\w{5}">(.*?)</span>.*?'
                             +'<span class="rating_num".*?>(.*?)</span>.*?'
                             +'<span class="inq">(.*?)</span>',re.S)

        while self.start <= 255:
            page = self.getPage()
            movies = re.findall(pattern, page)
            for movie in movies:
                self.movielist.append([movie[0], movie[1], movie[2].lstrip(' / '), movie[3], movie[4]])
                # lstrip去掉左边的空格或者去掉对应的字符串

            self.start += 25

    def writeTXT(self):
        with open('doubanmovietop250.txt','w+') as movietop250:
             for movie in self.movielist:
                movietop250.write('电影排名: '+ movie[0]+ '\r\n')
                movietop250.write('电影名称: ' + movie[1] + '\r\n')
                movietop250.write('原名别名: ' + movie[2] + '\r\n')
                movietop250.write('累计评分: ' + movie[3] + '\r\n')
                movietop250.write('简评: ' + movie[4] + '\r\n')
                movietop250.write('\r\n')
                #\r\n换行



doubanspider = MovieTop250()
doubanspider.getMovie()
doubanspider.writeTXT()
#分别启动两个函数
收获:

1.将类匹配进函数时,必须启动相关两个函数,也可以在用self.getMovie()在函数中启动另一个




  • 1
    点赞
  • 4
    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