爬取IMDBTOP250

在网上看到有人利用python+beautifulsoup爬取豆瓣Top250

试着自己模仿这个做了个爬取IMDB的，

可惜只能爬取到11个。

后来检查了超久，

才发现，

soup=BeautifulSoup(contents)这里，内容不完整，只能到11个电影为止。

代码如下：

import urllib2
from bs4 import BeautifulSoup
mylist=[]

def crawl(url):
    headers={'User-Agent':'Mozilla/5.0(Windows;U;Windows NT 6.1;en-US;rv:1.9.1.6) Gecko/20091201 Firefox/3.5.6'}
    req=urllib2.Request(url,headers=headers)
    page=urllib2.urlopen(req,timeout=200)
    contents=page.read()
    soup=BeautifulSoup(contents)
    for tag in soup.find_all('tr',class_={'odd','even'}):
            m_order=tag.find('td',class_='titleColumn').span.get_text()
            m_name=tag.find('td',class_='titleColumn').a.get_text()
            m_rating_score=float(tag.find('td',class_='ratingColumn imdbRating').strong.get_text())
            print("%s %s %s" % (m_order,m_name,m_rating_score))
            mylist.append((m_order,m_name,m_rating_score))

crawl('http://www.imdb.com/chart/top?ref_=nv_ch_250_4')

        

后来，好像需使用正则表达式，把爬取来的网页进行处理后才好弄。

但是正则表达式未操作过，

如果有人看到，想问下是否可以不通过正则表达式来解决这个问题呢？

转载于:https://www.cnblogs.com/jawiezhu/p/4251265.html