利用正则表达式爬豆瓣电影 TOP250

Datawhale爬虫 第五期 Day2

正则表达式:http://www.runoob.com/regexp/regexp-tutorial.html

import requests, re

#豆瓣网会验证headers中User-Agent
headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/72.0.3626.119 Safari/537.36'}

def get_one_page(url,headers):
    try:
        response = requests.get(url, headers = headers)
        if response.status_code == 200:
            return response.text
    except:
        pass

def film_info(html):
    pattern = re.compile(
        '<li.*?item.*?pic.*?em.*?>(.*?)</em>.*?href="(.*?)".*?alt="(.*?)".*?src="(.*?)".*?info.*?bd">.*?<p.*?>(.*?)</p>.*?star">.*?v:average">(.*?)</span>.*?span>(.*?)</span>.*?inq">(.*?)</span>.*?</li>',
        re.S)
    items = re.findall(pattern, html)
    for item in items:
        yield {
            'top': item[0],
            'film_url': item[1],
            'film_name': item[2],
            'film_img': item[3],
            'film_info': item[4],
            'film_star': item[5],
            'film_num': item[6],
            'film_quote': item[7]
        }


def main(start):
    url = 'https://movie.douban.com/top250?start={}'.format(start)
    html = get_one_page(url, headers)
    response = film_info(html)
    for info in response:
        print(info)

if __name__ == '__main__':
    for x in range(11):
        main(x * 25)



  • 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