利用正则表达式获取豆瓣TOP250电影的英文名、港台名、导演、主演、上映年份、电影分类以及评分

最新推荐文章于 2023-09-28 10:00:45 发布

look仔

最新推荐文章于 2023-09-28 10:00:45 发布

阅读量3.8k

点赞数 1

分类专栏：网络爬虫文章标签：正则表达式 python 爬虫

本文链接：https://blog.csdn.net/m0_53547225/article/details/120714186

版权

本文介绍如何使用Python的正则表达式爬取并解析豆瓣Top250电影的英文名、港台名、导演、主演、上映年份、分类及评分。内容来源于《python网络爬虫从入门到实践》一书的实践题目。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

唐松编《python网络爬虫从入门到实践》第47页3.4.3自我实践题

全部代码为原创代码

完整代码如下：

import requests
import re

headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.61 Safari/537.36'

}
info_lists = []

def get_info(url):
    res = requests.get(url,headers=headers)
    filmnames = re.findall('<a href=".*?">.*?<span class="title">(.*?)</span>', res.text, re.S)
    Englishnames = re.findall('<span class="title">.nbsp;/.nbsp;(.*?)</span>',res.text,re.S)
    Hongkongnames= re.findall('<span class="other">.nbsp;/.nbsp;(.*?)</span>',res.text,re.S)
    levels = re.findall('导演:(.*?).nbsp;.nbsp;.nbsp;主演:.*?',res.text,re.S)
    comments= re.findall('<span class="inq">(.*?)</span>',res.text,re.S)
    scores &