#正则表达式爬取猫眼电影
#网址http://maoyan.com
#爬取猫眼电影排行前一百名电影
#爬去排名、图片、片名、演员、时长、得分
1、导入模块
import requests
import re
import json
2、#定义页面获取函数
def get_one_page(url):
headers = {
"User-Agent":"Mozilla/5.0 (Windows NT 10.0; WOW64) "
"AppleWebKit/537.36 (KHTML, like Gecko)Chrome/"
"63.0.3239.26 Safari/537.36 Core/1.63.5514.400 "
"QQBrowser/10.1.1660.400"
}
response = requests.get(url, headers=headers )
if response.status_code == 200:
return response.text
return None
3、#定义解析函数
def paser_one_page(html):
# 正则表达式
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)
for item in items:
yield {
'index': item[0],
'image': item[1],
'title': item[2],
'actor': item[3].strip()[3:],
'time': item[4].strip()[5:],
'score': item[5].strip() + item[6].strip()
}
4、#保存函数
def write_to_file(content):
with open('result.txt', 'a', encoding='utf-8')as f:
f.write(json.dumps(content, ensure_ascii=False)+'\n')
5、#主函数
def main(offset):
url = "http://maoyan.com/board/4?offset=" + str(offset)
html = get_one_page(url)
for item in paser_one_page(html):
print(item)#编辑器中显示
write_to_file(item)#保存到本地
6、#调用主函数并运行
if __name__ =='__main__':
for i in range(10):
main(i*10)
7、爬取结果如下: