利用爬虫获取猫眼电影热门前100数据

利用爬虫获取猫眼电影热门前100数据

实现方法	1:访问网站，获取页面源码
	2:解析页面 ，得到想要的数据
	3:循环爬取多个页面
	4:把数据写入本地文件

'''
需求：爬取猫眼电影前100的电影信息
实现方法:访问网站，获取页面源码
        解析页面，得到想要的数据
        循环爬取多个页面
        把数据写入本地文件
'''
import requests
from requests.exceptions import RequestException
import re
import json
import vthread
#定义获取单页响应函数
def get_one_page(url):
    try:
        headers = {'User-Agent':'Mozilla/5.0'}
        response = requests.get(url,headers = headers)
        # 判断是否正常访问
        if response.status_code == 200:
            return response.text
        return None
    except RequestException:
        return None
#定义单页正则表达式函数
def regular_one_page(html, regular_method=re.compile(
    '<dd>.*?board-index.*?>(\d+)</i>.*?data-src="(.*?)".*?name"><a.*?>(.*?)</a>.*?star">(.*?)</p>.*?releasetime">(.*?)</p>.*?integer">(.*?)</i>.*?fraction">(.*?)</i>',
    re.S)):
    istr = re.findall(regular_method,html)
#    print(istr)
    for istr1 in istr:
        yield{
            'index': istr1[0],
            'title': istr1[2],
            'pic':istr1[1],
            'star':istr1[3].strip()[3:],#strip 分割字符
            'itime':istr1[4],
            'score':istr1[5]+istr1[6]
        }
#定义写入文件函数
def write_to_file(content):
    with open('MaoYanTop100.txt','a',encoding='utf-8') as f:
        f.write(json.dumps(content,ensure_ascii=False)+'\n')#将字典数据写入     encoding与ensure_ascii=False中文
        f.close()
#主函数
def main(offset):
    url = 'https://maoyan.com/board/4?offset=' + str(offset)
#    print(url)
    html = get_one_page(url)
    regular_one_page(html)
    for istr1 in regular_one_page(html):
        print(istr1)
        write_to_file(istr1)
if __name__ == '__main__':
    for i in range(10):
        main(i*10)