爬取猫眼TOP100的电影信息 urllib+mongdb

import pymongo
import time
import urllib.request
import re

print("开始")
#链接数据库
client=pymongo.MongoClient(host='localhost',port=27017)
db=client.test
collection=db.maoyan

#获取html页面内容
def gethtml(url):
    time.sleep(2)
    response=urllib.request.urlopen(url)
    html=response.read().decode('utf-8')
    if response.status==200:
        return html
    else:
        return None

#正则表达式解析html页面内容并放入mongodb数据库
def getContent(html):
    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:
        yild={
            'index': item[0],
            'image': item[1],
            'title': item[2].strip(),
            'actor': item[3].strip()[3:] if len(item[3]) > 3 else '',
            'time': item[4].strip()[5:] if len(item[4]) > 5 else '',
            'score': item[5].strip() + item[6].strip()
        }
        collection.insert(yild)

#"将url放入mongodb中"


url="http://maoyan.com/board/4?offset="
list=[]
result=[]
for i in range(6,10):
    html=gethtml(url+str(i*10))
    getContent(html)
print("结束")
  • 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