Python爬虫:requests+正则爬取猫眼最受期待榜单

# 基本思路:
# 1.浏览访问网页榜单-最受期待榜 url = 'http://maoyan.com/board/6?offset=0'
# 2.获取数据:电影名称 主演 网址 上映时间 本月新增想看人数 总想看人数
# 3.数据解析处理等
# 4.数据保存

import requests
from requests.exceptions import RequestException
import re
import json
from multiprocessing import Pool           # 多线程

def get_page(url):        # 网页请求
    try:
        response = requests.get(url)
        if response.status_code == 200:
            return response.text
        else:
            return None
    except RequestException as e:
        return e

def analysis(html):  # 解析网页数据
    pattern = re.compile('.*?<p class="name".*?data-val.*?>(.*?)</a></p>.*?class="star">(.*?)\
</p>.*?class="releasetime">(.*?)</p>.*?class="month-wish">(.*?)<span>.*?class="stonefont">.*?</span>.*?\
class="total-wish">(.*?)<span>.*?class="stonefont">.*?</span>', re.S)  # re.S 匹配换行符
    result = re.findall(pattern, html)
    for item in result:
        yield {
            'name': item[0],
            'actor': item[1].strip()[3:],
            'time': item[2].strip()[5:],
            'month_wish': item[3],
            'total_wish': item[4]
        }

def write_to_file(content):         # 数据保存至本地
    with open('result.txt', 'a', encoding='utf-8') as f:
        f.write(json.dumps(content, ensure_ascii=False) + '\n')
        f.close()

def main(offset):
    url = 'http://maoyan.com/board/6?offset=' + str(offset)
    html = get_page(url)
    for item in analysis(html):
        print(item)
        # write_to_file(item)

if __name__ == '__main__':
    """
    for i in range(0,4):
        main(i*10)
        """
    pool = Pool()
    pool.map(main, [i*10 for i in range(0, 4)])
  • 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