豆瓣电影TOP250爬取练习

刚开始学爬虫,对照着崔庆才的“猫眼TOP100”修改而来,有不对的地方希望大佬指正
第一天,利用requerts库和正则表达式抓取练习

import requests
import re
import json
import time
 
def get_one_page(url):
    headers = {'User-Agent' : 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.77 Safari/537.36'}
    response = requests.get(url,headers=headers)
    if response.status_code == 200:
        return response.text
    return None
def parse_one_page(html):
    pattern = re.compile('<li>.*?<div.*?<div.*?<em.*?"">(.*?)</em>.*?<img.*?alt="(.*?)".*?class="info">.*?<a.*?<span.*?</a>.*?<div.*?class="bd".*?<p.*?&nbsp;/&nbsp;(.*?)&nbsp.*?</p>.*?<div.*?<span.*?<span.*?average">(.*?)</span.*?<span.*?<span>(.*?)人评价</span>.*?',re.S)
    items = re.findall(pattern, html)
    for item in items:
        yield {
            'index': item[0],
            'title': item[1],
            'county' : item[2],
            'score' : item[3],
            'number of people' : item[4],
            }
def write_to_file(content):
    with open('豆瓣电影排行250.txt', 'a', encoding='utf-8') as f:
        f.write(json.dumps(content, ensure_ascii=False) + '\n')
def main(offset):
    url = 'https://movie.douban.com/top250?start='+str(offset)+'&filter='
    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 * 25)
        time.sleep(1)

运行结果:
在这里插入图片描述
保存的txt文件:
在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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