爬取猫眼电影相关信息

import json
import re
import requests
from requests.exceptions import RequestException
#定义抓取一个页面代码
def get_one_page(url):
    headers={
        'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/47.0.2526.108 Safari/537.36 2345Explorer/8.7.0.16013'
    }
    #定义异常
    try:
        response=requests.get(url,headers=headers)
        #根据状态码判断是否抓取成功
        if response.status_code==200:
            return response.text
        return  None
    except RequestException:
        return  None

#解析网页
def parse_one_page(html):
    #每次要加起始符和结束符
    pattern=re.compile('<dd>.*?board-index.*?">(\d+)</i>.*?data-src="(.*?)".*?</a>.*?name"><a.*?>(.*?)</a>'
                       +'.*?star">(.*?)</p>.*?releasetime">(.*?)</p>'
                        +'.*?integer">(.*?)</i>.*?fraction">(.*?)</i>.*?</dd>',re.S)
    items=re.findall(pattern,html)
    for item in items:
        yield {
            'index':item[0],
            'image':item[1],
            'title':item[2],
            #切片,去掉'主演:'
            'actor':item[3].strip()[3:],
            'time':item[4].strip()[5:],
            'score':item[5]+item[6]
        }

#写入文件
def write_to_file(content):
    #加encoding显示中文,写入方式为'a',否则只能写一条
    with open('result.txt','a',encoding='utf-8') as f:
        f.write(json.dumps(content,ensure_ascii=False)+'\n')
        f.close()

#根据图片链接下载图片
def download(image_url, pathname):
    headers = {
            'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/47.0.2526.108 Safari/537.36 2345Explorer/8.7.0.16013'
        }
    response = requests.get(image_url, headers=headers)
    with open(pathname, 'ab') as f:
        f.write(response.content)   #二进制文件
        f.close()

#定义main方法调用
#根据网页结构加入参数offset,获得下一页内容
def main(offset):
    #把offset作为参数传入url
    url="http://maoyan.com/board/4?offset="+str(offset)
    html=get_one_page(url)
    count=0   #下载的图片计数
    for item in parse_one_page(html):
        print(item)
        #把爬取的内容写入txt文件
        write_to_file(item)
        #下载图片到文件夹
        pathname = "D:\\spider\\image\\" + str(count + 1) + ".jpg"
        download(item['image'], pathname)
        count = count + 1


if __name__=='__main__':
    #读取10页前100个电影,构造0-90的循环
    for i in range(10):
  

 

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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