import requests
from requests.exceptions import RequestException #捕捉异常
import re
import json
headers={
'User-Agent':'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36',
}
def get_one_page(url):#indent错误是格式错误!!!!格式要求严格
try:#捕捉异常
response = requests.get(url,headers=headers)
if response.status_code == 200:#如果状态码是200则可以爬取
return response.text
return None
except RequestException:#如果有任何异常都要返回NOne
return None
#写入电影名,排名
def parse_one_page(html):#用正则化把电影名称,图片信息,明星,排名,时间,评分都爬下来
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)
for item in items:#把他转换为字典格式 正常!
yield{
'index':item[0],
'image':item[1],
'title':item[2],
'actor':item[3].strip()[3:],#切掉前三个字
'time' :item[4].strip()[5:],
'score':item[5]+item[6]
}
def write_to_file(content):#把他写到文件里
with open('D:/scapy/result.txt','a',encoding='utf-8')as f:
f.write(json.dumps(content,ensure_ascii=False) + '\n')#导入json库#json.dumps()转化字典为字符串
f.close()
def main(offset):
url = 'http://maoyan.com/board/4?offset=' + str(offset) #动态改变offset的页数
html = get_one_page(url)
for item in parse_one_page(html):
print(item)
write_to_file(item)
if __name__ == '__main__':
for i in range(10):
main(i * 10)
python scrapy2
最新推荐文章于 2023-07-20 10:34:12 发布