爬虫 利用正则表达式爬取猫眼电影

# coding=utf-8
import requests
import re
import json
from io import open
#from multiprocessing import Pool
from requests.exceptions import RequestException
headers = {'User-Agent':'Mozilla/5.0 '}
def get_one_page(url):
   try:
       res = requests.get(url,headers = headers)
       if res.status_code == 200:
           #print res.text
           print url
           return res.text
       return None
   except RequestException:
       return None

def parse_one_page(html):
   #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)
   items=re.findall(r'<dd>.*?class="board-index board-index-.*?</dd>',html,re.S)
   print items
   content=[]
   for item1 in items:
       item=re.search(r'<dd>.*?i class="board-index.*?>(\d+)</i>.*?data-src="(.*?)".*?name"><a'
                        +'.*?>(.*?)</a>.*?star">(.*?)</p>.*?releasetime">(.*?)</p>'
                        +'.*?integer">(.*?)</i>.*?fraction">(.*?)</i>.*?</dd>',item1,re.S)
       li={}
       li['index']=item.group(1)
       li['image'] = item.group(2)
       li['title'] = item.group(3)
       li['actor'] = item.group(4).strip()[3:]
       li['time'] = item.group(5).strip()[5:]
       li['score'] = item.group(6)+item.group(7)
       content.append(li)

   #print content
   return content
       #yield{
           #'index': item[0],
           #'image': item[1],
           #'title': item[2],
           #'actor': item[3].strip()[3:],
           #'time': item[4].strip()[5:],
           #'score': item[5] + item[6]
       #}


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


def main():
    for i in range(0,10):
        url = 'http://maoyan.com/board/4?offset=' + str(i*10)
        html = get_one_page(url)
        content=parse_one_page(html)
        print content
   #for item in parse_one_page(html):
       #print(item)
        write_to_file(content)

if __name__ == '__main__':
    #p = Pool()
    #p.map(main, [i * 10 for i in range(10)])
    main()

  • 0
    点赞
  • 1
    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