Python3爬取猫眼电影信息

最新推荐文章于 2024-04-30 18:40:22 发布

晓序

最新推荐文章于 2024-04-30 18:40:22 发布

阅读量446

点赞数

分类专栏： Python3资料文章标签： python

本文链接：https://blog.csdn.net/zccmp20/article/details/109525296

版权

Python3资料专栏收录该内容

4 篇文章 0 订阅

订阅专栏

Python3爬取猫眼电影信息

import json
import requests
from requests.exceptions import RequestException
import re
import time

#爬取猫眼电影信息

def get_one_page(url):
		#增加了User-Agent识别，需要在headers中添加User-Agent参数。
    try:
        headers = {
            'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.162 Safari/537.36'
        }
        response = requests.get(url, headers=headers)
        if response.status_code == 200:
            return response.text
        return None
    except RequestException:
        return None

	#正则提取
def parse_one_page(html):
    pattern = re.compile('<dd>.*?board-index.*?>(\d+)</i>.*?data-src="(.*?)".*?name"><a'
                         + '.*?>(.*?)</a>.*?star">(.*?)</p>.*?releasetime">(.*?)</p>'
                         + '.*?integer">(.*?)</i>.*?fraction">(.*?)</i>.*?</dd>', re.S)
    items = re.findall(pattern, html)
	#遍历提取结果并生成字典
    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]
        }

	#写入文件
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)

	#分页爬取
if __name__ == '__main__':
    for i in range(10):
        main(offset=i * 10)
		#延时等待
        time.sleep(1)