爬取猫眼电影网的排行榜单(进程池)---正则

爬取猫眼电影网的排行榜单(进程池)


    

import re

import json

 import requests
 from multiprocessing import Pool
 # 导入捕获异常库
 from requests.exceptions import RequestException
  
 # 获取网页数据
 def get_one_page(url):
 headers = {
 "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.140 Safari/537.36"}
 # 是否异常
 try:
 response = requests.get(url=url,headers=headers)
 if response.status_code == 200:
 return response.text
 return None
 except RequestException:
 return None
  
 # 分析页面
 def parse_one_page(html):
 # 正则分析
 pattern = re.compile('<dd>.*?board-index.*?>(\d+)</i>.*?data-src="(.*?)".*?name"><a'
 '.*?>(.*?)</a>.*?star">(.*?)</p>.*?releasetime">(.*?)</p>'
 '.*?integer">(.*?)</i>.*?fraction">(.*?)</i>.*?</dd>',re.S)
  
 items = re.findall(pattern, html)
 # print(items)
 for item in items:
 yield {
 'index': item[0],
 'img_url': item[1],
 'title': item[2],
 'actor': item[3].strip()[3:],
 'time': item[4].strip()[5:],
 'score': item[5] + item[6]
 }
  
 # 把数据保存到本地
 def write_to_file(content):
 with open('result.json','a',encoding="utf-8") as fp:
 fp.write(json.dumps(content,ensure_ascii=False)+'\n')
 fp.flush()
  
  
  
 # 主程序
 def main(page):
 url = 'http://maoyan.com/board/4?offset=' + str(page)
 html = get_one_page(url)
 for item in parse_one_page(html):
 print(item)
 write_to_file(item)
  
 if __name__ == '__main__':
 pool = Pool()
 pool.map(main, [i*10 for i in range(10)])

  • 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