初步运用多进程，利用正则表达式，爬取猫眼电影top100排行榜，储存到本地

爬去猫眼top100排行榜电影的相关信息：

# 猫眼电影改版了/20171214

# 在ipython,nootebook为什么无法运行multiprocessing模块，一直显示“*”啊啊啊啊啊！python自带的IDE好使啊，改天用pycharm试一下。/20171214

# pycharm里可以运行，但写入文件时为什么又出现了编码错误的问题……/20171219

# 问题解决了，在juypter nootebook里也能实现了，因为juypter的特性决定的，要将code当文件引入，感谢StackOverflow里的大牛：https://stackoverflow.com/questions/47313732/jupyter-notebook-never-finishes-processing-using-multiprocessing-python-3?answertab=oldest#tab-top  /20171220

import re
import requests
from requests.exceptions import RequestException
import json
from fake_useragent import UserAgent
from multiprocessing import Pool

def get_one_page(url):
    try:
        """
        response = requests.get(url)   # 以前的代码没有伪装也行，今天试了下不行了，提示被禁止
        """
        """
        # 用自己复制过来的UA
        headers = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36'}
        """
        # 新发现的用fake_UA包
        headers = {'User-Agent': UserAgent().random}
        response = requests.get(url,headers = headers)
        if response.status_code == 200:
            return response.text
        return None
    except RequestException:
        return None

def parse_one_page(html):
    # re.S：匹配换行符
    # 匹配：排名，名字，演员，上映时间，评分
    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)  # findall以列表形式返回
    #print(items)
    for item in items:
        # 以迭代器的形式返回字典形式的内容
        yield {
            'index': item[0],
            'image': item[1],
            'title': item[2],
            'actor': item[3].strip()[3:],  # strip()去掉字符串首尾空白符
            'time': item[4].strip()[5:],
            'score': item[5]+item[6]
        }

def write_to_file(content):
    # 编码转换
    with open('result.txt', 'a', encoding='utf-8') as f:
        # dumps 将dict转换成str格式
        # loads 将str转换成dict格式
        f.write(json.dumps(content, ensure_ascii=False) + '\n')
        f.close()

def main(offset):
    url = 'http://maoyan.com/board/4?offset=' + str(offset)
    html = get_one_page(url)
    #print(html)
    #parse_one_page(html)
    for item in parse_one_page(html):
        print(item)
        write_to_file(item)

if __name__ == '__main__':
    #main()
#     for i in range(10):  # 爬取多个页面，用for语句来生成翻页内容
#         main(i*10)
    pool = Pool()  # 开启进程池
    pool.map(main,[i*10 for i in range(10)])
    pool.close()
    pool.join()