python scrapy2

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)
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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
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