requests+re爬取猫眼电影排行

import re

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

def get_one_page(url):
	#获取网页信息
    try:
        headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/90.0.4430.212 Safari/537.36'}
        response = requests.get(url,headers=headers)
        if response.status_code==200:
            print(response.text)
            return response.text
        else:
            return None
    except RequestException:
        return None

def parse_one_page(html):
    #正则解析
    pattern = re.compile(
        '<dd>.*?board-index.*?>(.*?)</i>.*?data-src="(.*?)".*?title="(.*?)".*?star.*?>(.*?)</p>.*?releasetime.*?>(.*?)</p>.*?integer.*?>(.*?)</i>.*?fraction.*?>(.*?)</i>',
        re.S)
    #print(pattern)
    items = re.findall(pattern, html)

    for item in items:
        yield {  #yield 生成器
            'index': item[0],
            'image': item[1],
            'title': item[2],
            'actor': item[3].strip()[3:] if len(item[3]) > 3 else '',
            # strip()方法用于移除字符串头尾指定的字符（默认为空格或换行符）或字符序列。注意：该方法只能删除开头或是结尾的字符，不能删除中间部分的字符。
            'time': item[4].strip()[5:] if len(item[4]) > 5 else '',
            'score': item[5] + item[6]
        }


def write_to_file_txt(conent):
	#写入文件
    #a:追加方式写入，如果该文件存在，则文件指针放在文件结尾，也就是说，会写在已经存在的内容后面。如果不存在，则创建。
    #w：已写入方式打开一个文件，如果该文件存在，则覆盖，不存在则创建新文件。
    with open('maoyan.txt','a',encoding='utf-8') as f:
        #print(type(json.dump(conent)))
        f.write(json.dumps(conent,ensure_ascii=False)+'\n')

def write_to_file_json(conent):
	#写入文件
    with open('maoyan.json','a',encoding='utf-8') as f:
        #print(type(json.dump(conent)))
        #ensure_ascii=False设置可以输出中文
        f.write(json.dumps(conent,indent=2,ensure_ascii=False))


def main(offset):
	#每一页都是有规律的变化，都是offset的值在改变
    url = 'https://maoyan.com/board/4?offset='+str(offset)
    print(url)
    html=get_one_page(url)
    #print(html)
    #print('------------------------------')
    items = parse_one_page(html)
    for item in items:
        print(item)
        print('------------')
        write_to_file_txt(item)
        write_to_file_json(item)


if __name__ == '__main__':
    for i in range(10):
        main(offset=i*10)
        time.sleep(2)

会遇到反爬：有可能只能爬前两页的内容。