python爬取电影票房前50_用Python爬取猫眼上的top100评分电影

代码如下：

# 注意encoding = 'utf-8'和ensure_ascii = False，不写的话不能输出汉字

import requests

from requests.exceptions import RequestException

import re

import json

#from multiprocessing import Pool

# 测试了下 这里需要自己添加头部 否则得不到网页

headers = {

'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.102 Safari/537.36'

}

# 得到html代码

def get_one_page(url):

try:

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

if response.status_code == 200:

return response.text

return None

except RequestException:

return None

# 解析html代码

def parse_one_page(html):

pattern = re.compile('

.*?board-index.*?>(\d+).*?data-src="(.*?)".*?name">(.*?).*?star">(.*?).*?releasetime">(.*?).*?integer">(.*?).*?fraction">(.*?).*?(/dd)', re.S)

items = re.findall(pattern, html)

for item in items:

# 将元组形式变为字典

yield {

'【排名】': item[0],

'【图片】': item[1],

'【标题】': item[2],

'【主演】': item[3].strip()[3:],

'【上映时间】': item[4].strip()[5:],

'【评分】': item[5] + item[6]

}

# 写入文件,写入的是一个json格式的数据

def write_to_file(content):

with open('top100.csv', 'a', encoding = 'utf-8') as f:

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

f.close()

# 主函数

def main(offset):

url = 'http://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)

# 多进程(测试有bug)

# if __name__ == '__main__':

# pool = Pool()

# pool.map(main, [i * 10 for i in range(10)])

# pool.join()

# pool.close()

运行结果如下：

在top100.csv文件中的数据如下：

因为没有下载模块所以这里只是显示首页图片的链接，如果想下载首页图片还需再加上下载模块