Python正则提取

参考资料：
B站：《正则提取》

# -*- codeing = utf-8 -*-
# @Time :6/28/2021 16:30
# @Author :何先生
# @File : spider.py
# @Software :PyCharm
#几个需要用到的库
from bs4 import BeautifulSoup #网页解析，获取数据
import re #正则表达式，进行文字匹配
import urllib.request,urllib.error #制定URL，获取网页数据
import xlwt  #进行excel操作
import sqlite3 #进行SQLite数据库操作

def main():
    baseurl = "https://movie.douban.com/top250?start="
    datalist=getData(baseurl)

    # savepath=

    # 2.获取数据
    # 3.保存数据
    # saveData(savepath)
#01.获取影片详情页：
# findlink=re.compile(r'<a href="(.*?)">')#创建正则表达式，表示规则（字符串的模式）
#02.获取图片链接:
findImgSrc=re.compile(r'<img.*src="(.*?)"',re.S)#re.S 让换行符包含在字符串中
#03.获取影片片面：
findTitle=re.compile(r'<span class="title">(.*)</span>')
#04.获取影片评分：
findMark=re.compile(r'<span class="rating_num" property="v:average">(.*)</span>')
#05.获取评分人数：
findPeopleNum=re.compile(r'<span>(\d*)人评价</span>')
#06.找到概况：
findSimIntro=re.compile(r'<span class="inq">(.*)</span>')
#07.找到影片的制作信息：
findMaker=re.compile(r'<p class="">(.*)(\d.*)</p>',re.S)


#爬取网页的函数
def getData(baseurl):
    datalist=[]
    # 1.爬取网页
    for i in range(0, 1):  # 调用函数获取页面信息的函数，10次
        url = baseurl + str(i * 25)
        html = askURL(url)  # 保存获取到的网页源码
    #2.逐一解析数据

        soup = BeautifulSoup(html, "html.parser")
        for item in soup.find_all('div', class_="item"):  # 查找符合要求的字符串，形成列表
            # print(item)
            data = []  # 保存一部电影的所有信息
            item = str(item)


            #获取影片详情页链接
            # link = re.findall(findlink, item)[0]  # re库用来通过正则表达式查找指定的字符串
            # img=re.findall(findImgSrc, item)[0]
            # title=re.findall(findTitle,item)[0]
            # mark=re.findall(findMark,item)[0]
            # people_num=re.findall(findPeopleNum,item)[0]
            # sim_intro=re.findall(findSimIntro,item)[0]
            # maker=re.findall(findMaker,item)[0]
            # print(link)
            # print(img)
            # print(title)
            # print(mark)
            # print(people_num)
            # print(sim_intro)
            # print(maker)
    return datalist


#爬取指定一个网页的函数：
def askURL(url):
    head = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 6.3; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.114 Safari/537.36'
    }

    req = urllib.request.Request(url, headers=head)
    html = ""
    try:
        response = urllib.request.urlopen(req)
        html = response.read().decode('utf-8')
        # return html
        # print(html)
    except urllib.error.URLError as e:
        if hasattr(e, "code"):
            print(e.code)
        if hasattr(e, "reason"):
            print(e.reason)
    return html


#保存数据
def saveData(savepath):
    print("save")

main()