Python 爬取猫眼电影第一页信息

import json
import re

import requests


def get_one_page(html):
    pattern = re.compile(
        '<dd>.*?board-index.*?>(.*?)</i>.*?data-src="(.*?)".*?name.*?a.*?>(.*?)</a>.*?star.*?>(.*?)</p>'
        '.*?releasetime.*?>(.*?)</p>.*?integer.*?>(.*?)</i>.*?fraction.*?>(.*?)</i>.*?</dd>', re.S)
    items = re.findall(pattern, html)
    # 返回的数据是一个大的数组，对其进行遍历
    for item in items:
        # 使用 yield 的好处，每迭代一次，会直接返回那一次的结果，下次迭代再进循环，在输出，然后再进行循环，并且可以生成词典，如下：
        yield {
            'index': item[0],
            'image': item[1],
            'title': item[2].strip(),
            'actor': item[3].strip()[3:] if len(item[3]) > 3 else '',
            'time': item[4].strip()[5:] if len(item[4]) > 5 else '',
            'score': item[5].strip() + item[6].strip()
        }


def main():
    headers = {
        'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac 05 X 10_11_4) AppleWebKit/537.36 (KHTML, like Gecko)Chrome/52.0.2743.116 Safari/537.36'
    }
    url = 'http://maoyan.com/board/4'
    response = requests.get(url, headers=headers)
    for item in get_one_page(response.text):
        write_to_file(item)


# 将内容写入文件中
def write_to_file(content):
    with open('result.txt', 'a', encoding='utf-8') as f:
        # 将对象转为 json 字符串
        print(type(json.dumps(content)))
        f.write(json.dumps(content, ensure_ascii=False) + '\n')


main()