我的第一个爬虫程序

import requests
import re

url = 'https://www.dy2018.com'

headers = {
    "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 11_2_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36"
}
resp = requests.get(url,  headers = headers)
resp.encoding = 'gb2312'
page_content = resp.text
obj1 = re.compile(r"2020必看热片.*?<ul>(?P<movies>.*?)</ul>", re.S)
obj2 = re.compile(r"<a href='(?P<href>.*?)' title=.*?>(?P<title>.*?)</a>", re.S)
obj3 = re.compile(r'<div class=player_list>.*?<ul>.*?<li><a href="(?P<child_link_href>.*?)">', re.S)
result = obj1.finditer(page_content)
child_href_list = []
url_list = []
for i in result:
    ul = i.group("movies")
    result2 = obj2.finditer(ul)
    for j in result2:
        print(j.group("title"))
        child_href = url + j.group("href")
        child_href_list.append(child_href)
        url_list.append(j.group("href"))
for child_href1 in child_href_list:
    child_resp = requests.get(child_href1, headers=headers)
    child_resp.encoding = 'gb2312'
    child_page_content = child_resp.text
    result3 = obj3.finditer(child_page_content)
    for k in result3:
        print(k.group("child_link_href"))

这是我看视频写的第一个爬虫小程序,希望看到的朋友能给优化,相互学习一下~

  • 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