爬虫如何爬取猫眼电影TOP榜数据

今天爬虫代理就为大家分享一下，爬虫是如何爬取猫眼电影TOP榜数据的。主要抓取的内容有排名、图片、电影名称、主演、上映时间和评分信息。在抓取之前，我们先打开猫眼电影TOP100页面，研究分析页面，查找我们需要的信息位置，然后抓取。

代码如下：

import json

import requests

from requests.exceptions import RequestException

import re

import time

def get_one_page(url):

try:

headers = { 'User-Agent': 'agent信息'}

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

if response.status_code == 200:

    return response.text

return None

except RequestException:

return None

def parse_one_page(html):

pattern = re.compile(’

. ?board-index.?>(\d+). ?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:

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]

}

def write_to_file(content):

with open(‘result.txt’, ‘a’, encoding=‘utf-8’) as f:

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

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(offset=i * 10)

time.sleep(1)
![河马代理IP](https://img-blog.csdnimg.cn/20190617172413394.jpg)

通过上述代码，我们就可以获取到猫眼电影TOP榜数据信息了