0002爬虫实例一 用正则表达式爬取猫眼电影相关信息

要求:爬取猫眼电影中影片名称、主演、上映时间、上映地区、评分等信息

1.导入相关包

import requests
import json, time
import re
from requests.exceptions import RequestException

2.抓取首页信息

def get_one_page(url):
    try:
        headers = {
            'user-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.89 Safari/537.36'
        }
        response = requests.get(url, headers = headers)
        if response.status_code == 200:
            return response.text
    except RequestException:
        return None

3.正则提取信息

def get_head(html):
    results = re.findall('<title>(.*?)</title>', html, re.S)
    for result in results:
        print(result.strip())

def parse_one_page(html):
    results = re.findall('<dd>.*?board-index.*?>(.*?)</i>.*?data-src="(http.*?)".*?>.*?title="(.*?)".*?star">.*?([\u4e00-\u9fa5]+.*?)\n.*?</p>.*?>(.*?)</p>.*?class="integer">(.*?)</i.*?class="fraction">(./?)</i>', html, re.S)
    for result in results:
        result = list(result)
        yield {
            'index': result[0],
            'image': result[1],
            'title': result[2],
            'actor': result[3],
            'time': result[4],
            'score': result[5]+result[6]
        }

4.保存到文件

def write_to_file(content):
    with open('result.txt', 'a', encoding="utf-8") as f:
        print(type(json.dumps(content)))

f.write(json.dumps(content, ensure_ascii=False)+'\n')

5.整合代码

def main(offset):
    url = 'http://maoyan.com/board/4?offset=' + str(offset)
    html = get_one_page(url)
    get_head(html)
    for e in parse_one_page(html):
        write_to_file(e)

6.测试

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

打赏作者

魂•殿

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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