爬虫小练习:猫眼电影TOP100资料爬取(正则--基础模块到多进程、多线程)

# from multiprocessing import Pool
from threading import Thread
import requests
import re
import json

def get_page(url):
	headers = {'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36'}
	try:
		response = requests.get(url,headers=headers)
		if response.status_code == 200:
			return response.text
		return None
	except:
		return None

def parse_page(html):
	pattern = re.compile('<dd>.*?board-index.*?>(\d+)</i>.*?data-src="(.*?)".*?name">.*?">(.*?)</a>.*?star">(.*?)</p>.*?releasetime">(.*?)</p>.*?<i class="integer">(.*?)</i>.*?fraction">(.*?)</i>.*?</dd>',re.S)
	content = re.findall(pattern,html)
	# print(content)
	for item in content:
		yield {
			'index':item[0],
			'image':item[1],
			'name':item[2],
			'star':item[3].strip()[3:],
			'time':item[4].strip()[5:],
			'score':item[5]+item[6]
		}

def write_data(items):
	with open('movie_detail.txt','a',encoding='utf-8') as f:
		f.write(json.dumps(items,ensure_ascii=False) + '\n')
		f.close()

def main(offset):
	url = 'http://maoyan.com/board/4?offset=%s'%(offset)
	html = get_page(url)
	# print(html)
	contents = parse_page(html)
	for items in contents:
		# print(items)
		# print(type(items))
		write_data(items)

if __name__ == '__main__':
	# for offset in range(10):
	# 	main(str(offset*10))

	# pool = Pool()
	# pool.map(main,[offset*10 for offset in range(10)])

	for offset in range(10):
		t = Thread(target=main,args=(offset*10,))
		# t.setDaemon(True)
		t.start()

  • 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