python 爬取猫眼电影排行数据

爬取的是电影的名称 排名 演员 上映时间 评分 等（话不多说看代码就懂了）。

用的是正则表达式进行匹配，实现的是一个最基本的对网页的爬取功能。

import requests
import re
import json
import time
def get_one_page(url):
    try:
        headers = { 'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36 SE 2.X MetaSr 1.0' }
        response = requests.get(url,headers = headers)
        if(response.status_code ==200):
            return response.text
        return None
    except:
        return None

def pause_one_page(html):
    pattern = re.compile( '<dd>.*?board-index.*?>(.*?)</i>.*?data-src="(.*?)".*?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].strip(),
            'actor': item[3].strip()[3:] if len(item[3]) > 3 else '',
            'time': item[4].strip()[5:] if len(item[4]) > 5 else '',
            'score': item[5].strip() + item[6].strip()
        }

def write_to_file(content):
    with open('result.txt', 'a', encoding='utf-8') as f:
        f.write(json.dumps(content,ensure_ascii = False)+'\n')

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

if __name__ == '__main__':
    for i in range(10):
        main(offset= i * 10)
        time.sleep(1)