爬取猫眼电影Top100

import requests
import re
import json
import time


def get_one_page(url):	#获取页面内容
    headers = {
        'User-Agent': 'User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:80.0) Gecko/20100101 Firefox/80.0'
    }
    response = requests.get(url, headers=headers)
    if response.status_code == 200:
        return response.text
    return None


def grb_message(html):	#利用正则表达式获取想要的内容
    ruler = '<dd.*?board-index.*?>(.*?)</i>.*?<img data-src="(.*?)".*?name.*?a.*?>(.*?)</a>'
    ruler += '.*?star">(.*?)</p>.*?releasetime">(.*?)</p>.*?integer">(.*?)</i>.*?fraction">(.*?)</i>.*?</dd>'
    pattern = re.compile(ruler, re.S)
    items = re.findall(pattern, html)
    return items


def parse_result(results):	#整理数据,使数据更规整一些
    for result in results:
        yield{
            'index': result[0],
            'image': result[1],
            'title': result[2],
            'actor': result[3],
            'time': result[4],
            'score': result[5].strip() + result[6].strip()
        }


def write_file(content):	#写到文件当中
    with open('result.txt', 'a', encoding='utf-8') as f:
        print(type(json.dumps(content)))
        f.write(json.dumps(content, ensure_ascii=False)+'\n')


def main():
	top = 100; #top 100 
	for offset in range(10):
		url = 'https://maoyan.com/board/4?offset=' + str(offset * 10)	#第一页是0,第二页是10.....
		html = get_one_page(url)
		results = grb_message(html)

		for item in parse_result(results):
			write_file(item)
			
		#读取速度过快会被屏蔽,因此休眠1s	
		time.sleep(1)


main()

  • 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