go 获取是第几周_爬虫练手-豆瓣top250(go版以及python版)

  最近学习go,就找了一个例子练习【go语言爬虫】go语言爬取豆瓣电影top250,思路大概就是获取网页,然后根据页面元素,用正则表达式匹配电影名称、评分、评论人数。原文有个地方需要修改下pattern4 := `

179591d6783b1aad723bac997916f69d.png

这个例子可以由修改下变成并发的形式,提高性能(参考golang 并发 chan)

var sem chan int = make(chan int,10);for i := 0; i < 10; i++ {go func(i int) {header := map[string]string{"Host": "movie.douban.com","Connection": "keep-alive","Cache-Control": "max-age=0","Upgrade-Insecure-Requests": "1","User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.143 Safari/537.36","Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8","Referer": "https://movie.douban.com/top250",}fmt.Println("正在抓取第" + strconv.Itoa(i) + "页......")url := "https://movie.douban.com/top250?start=" + strconv.Itoa(i*25) + "&filter="spider := &Spider{url, header}html := spider.get_html_header()pattern2 := `(.*?)评价`rp2 := regexp.MustCompile(pattern2)find_txt2 := rp2.FindAllStringSubmatch(html, -1)pattern3 := `property="v:average">(.*?)`rp3 := regexp.MustCompile(pattern3)find_txt3 := rp3.FindAllStringSubmatch(html, -1)pattern4 := `
e43abcdf7567a331d05056e0d5885d27.png

  到这里go爬虫部分已经介绍完毕,百无聊赖之际又写了一个python版,python很简洁

# coding=utf-8 #import reimport urllib2import datetimedef getDouban(i):print "爬取第" + str(i)+"页"html = "https://movie.douban.com/top250?start=" + str(i) + "&filter="try:page = urllib2.urlopen(html, timeout=3)result = page.read()score = re.findall('property="v:average">(.*?)',result)person = re.findall('(.*?)评价',result)name= re.findall('
9019dde58271c707f142ffdd0ed3a365.png
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