python爬猫眼电影影评_Python爬虫系列（一）|爬取猫眼电影Top100

小编也是最近才开始学习爬虫，现在慢慢开始上手，越学越来劲，一天下班不学，总觉得缺点啥东西。。。哈哈哈

最近完整的将爬取猫眼电影Top100信息爬取出来(包括排名、图片、电影名称、导演、上映时间、评分等)

一、站点分析

主要思路为：抓取单页内容：主要利用requests得到页面HTML代码

正则表达式分析：解析HTML代码，得到电影信息

保存至文件：通过文件的形式将结果保存

开启循环：对多页面遍历，得到所有内容

二、代码实践

接下来，我们就开启蜗牛式爬虫

抓取单页内容：

import requests

from requests.exceptions import RequestException

# 获取页面HTML代码

headers = {'User-Agent':'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko)'

+'Chrome/62.0.3202.94 Safari/537.36'}

def get_one_page(url):

try:

res = requests.get(url,headers=headers)

if res.status_code == 200:

return res.text

return None

except RequestException:

return None

def main():

url = 'TOP100榜 - 猫眼电影 - 一网打尽好电影'

html = get_one_page(url)

for item in parse_one_page(html):

print(item)

if __name__ == '__main__':

main()

# 解析页面HTML代码

def parse_one_page(html):

pattern = re.compile('

.*?board-index.*?>(\d+).*?data-src="(.*?)".*?name">

+ '.*?>(.*?)

.*?star">(.*?).*?releasetime">(.*?)'

+ '.*?integer">(.*?).*?fraction">(.*?).*?

', re.S)

items = re.findall(pattern, html)

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]

}

#保存至文件中

def write_to_file(content):

with open('result.text', 'a', encoding='utf-8') as f:

f.write(json.dumps(content, ensure_ascii=False) + '\n')

f.close()

#利用循环遍历获得所有信息

def main(offert):

url = 'http://maoyan.com/board/4?offset=' + str(offert)

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)

结果：