学习爬虫第三天

最新推荐文章于 2024-07-12 16:42:46 发布

lin__zs

最新推荐文章于 2024-07-12 16:42:46 发布

阅读量83

点赞数

文章标签：爬虫 webview html

本文链接：https://blog.csdn.net/lin__zs/article/details/122514546

版权

#拿到页面源代码
#用re提取有效信息
import requests
import re
import csv
url="https://movie.douban.com/top250"
header={
{'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:96.0) Gecko/20100101 Firefox/96.0'
 }
#拿到页面源代码
#用re提取有效信息
import requests
import re
url="https://movie.douban.com/top250"
header={
{'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:96.0) Gecko/20100101 Firefox/96.0'}
resp = requests.get(url,headers=header)
page = resp.text
#.*?尽可能少的匹配
obj=re.compile(r'<li>.*?<div class="item">.*?<span class="title">(?P<name>.*?)</span>'
               r'</span>.*?<p class="">.*?<br>(?P<year>.*?)&nbsp',re.S)#re.S让.可以匹配换行符
result=obj.finditer(page)
for it in result:
    print(it.group("name"))
    print(it.group("year"))

page = resp.text
#.*?尽可能少的匹配
obj=re.compile(r'<li>.*?<div class="item">.*?<span class="title">(?P<name>.*?)</span>'
               r'</span>.*?<p class="">.*?<br>(?P<year>.*?)&nbsp',re.S)#re.S让.可以匹配换行符
result=obj.finditer(page)
f=open("work.csv",mode="w")
csvwrite=csv.writer(f)
for it in result:

    #print(it.group("name"))
    #print(it.group("year"))
    dic=it.groupdict()
    dic['year']=dic['year'].strip()
    csvwrite.writerow(dic.values())

f.close()