python爬取猫眼电影评分

直接上代码

import datetime
import json
from multiprocessing.dummy import Pool
from time import localtime, strftime

import requests
from requests.exceptions import RequestException
import re

def get_one_page(url):
    try:
        response = requests.get(url)
        if response.status_code == 200:
            return response.text
        else:
            return None
    except RequestException:
        return None

def parse_one_page(html):
    pattern = re.compile('<dd>.*?board-index.*?>(\d+)</i>.*?data-src="(.*?)".*?name"><a.*?>(.*?)</a>.*?star">(.*?)</p>.*?releasetime">(.*?)</p>.*?integer">(.*?)</i>.*?fraction">(.*?)</i></p>.*?</dd>', re.S)
    items = re.findall(pattern, html)
    # print(items)
    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] + item[6]
        }

def write_to_file(content):
    with open('result.txt', 'a', encoding='utf-8') as f:
        f.write(json.dumps(content, ensure_ascii=False) + '\r')
        f.close()

def main(offset):
    url = 'https://maoyan.com/board/4?offset=' + str(offset)
    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)
    start = datetime.datetime.now()
    pool = Pool()
    pool.map(main, [i*10 for i in range(10)])
    end = datetime.datetime.now()
    print(end - start)

 

Python爬取猫眼电影信息通常涉及网络爬虫技术,利用像BeautifulSoup、Scrapy等库来抓取数据。以下是一个简化的步骤: 1. **安装必要的库**:首先需要安装`requests`, `beautifulsoup4`, 可能还需要`lxml`,因为它们常用于处理HTML内容。 ```bash pip install requests beautifulsoup4 lxml ``` 2. **编写爬虫脚本**: - 使用`requests.get()`获取网页源代码。 - 解析HTML,找到包含电影排名、演员、类型和评分的部分。这通常通过查找特定的HTML标签(如`<div class="movie-info">...</div>`)并提取其中的数据。 ```python import requests from bs4 import BeautifulSoup def get_movie_info(url): response = requests.get(url) soup = BeautifulSoup(response.text, 'lxml') # 需要定位到对应部分的CSS或XPath选择器 rank_div = soup.select('.movie-ranking') # 排名区域 actor_div = soup.select('.actor-info') # 演员信息 type_and_score_div = soup.select('.type-and-score') # 类型和评分 # 提取数据并解析(可能需要进一步处理) ranking = [div.text for div in rank_div] actors = [div.text for div in actor_div] types_and_scores = [(info['type'], info['score']) for info in type_and_score_div] return ranking, actors, types_and_scores # 示例URL,替换为你实际的目标页面 url = "https://maoyan.com/board/4" rankings, actors, details = get_movie_info(url) ``` 注意:在实际操作中,网站可能会有反爬机制或限制频繁请求,因此在爬取时应遵守网站的Robots协议,并尽量模拟人类用户的行为。
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