用 Python 爬取猫眼TOP100榜单

用 Python 爬取猫眼TOP100榜单

这里将结果输出到控制台,需要存到txt,csv文件里的同学,改一下存储的代码就可以了。

from urllib import request,parse
import time
import random
import re
from fake_useragent import UserAgent

class MaoyanSpider(object):
    def __init__(self):
        self.url = 'https://maoyan.com/board/4?offset={}'


    # 1.请求
    def get_html(self,url):
        headers = {'User-Agent':UserAgent().random}
        req = request.Request(url=url,headers=headers)
        resp = request.urlopen(req)
        html = resp.read().decode()

        return html

    # 2.解析
    def parse_html(self,html):
        pattern = re.compile(r'<p class="name"><a .*? title="(.*?)".*?>.*?<p class="star">(.*?)</p>.*?<p class="releasetime">(.*?)</p>',re.S)
        r_list = pattern.findall(html)
        #print(r_list)
        for r in r_list:
            print("电影名称:",r[0].strip())
            print(r[1].strip())
            print(r[2].strip())
            print('*'*50)


        #return r_list

    # 3.保存html到本地
    def save_html(self,filename,html):
        with open(filename,'w',encoding = 'utf-8')as f:
            f.write(html)

    # 4.入口函数
    def run(self):
        for page in range(1,10+1):
            pn = (page-1)*10
            url = self.url.format(pn)
            html = self.get_html(url)
            filename = '猫眼电影'+ '-第%s页.html'% str(page)
            self.save_html(filename,html)
            self.parse_html(html)
            print('第%d页抓取成功'%page)
            # 每抓取一页要随机休眠2-3秒
            time.sleep(random.uniform(2,3))

if __name__ == '__main__':
    spider = MaoyanSpider()
    spider.run()
  • 2
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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