zoukankan      html  css  js  c++  java
  • Python爬虫【三】利用requests和正则抓取猫眼电影网上排名前100的电影

    #利用requests和正则抓取猫眼电影网上排名前100的电影
    import requests
    from requests.exceptions import RequestException
    import re
    import json
    from multiprocessing import Pool
    
    def get_one_page(url):
        try:
            #需要重置requests的headers,否则猫眼电影拒绝访问。
            headers = {
                "user-agent": 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.94 Safari/537.36'}
            response = requests.get(url,headers=headers)
        #加一个判断,判断请求URL是否成功
            if response.status_code == 200:
                return response.text
            return None
        except RequestException:
            return None
    
    def parse_one_page(html):
        #解析网页的html代码
        pattern = re.compile('<dd>.*?board-index-1.*?>(d+)</i>.*?src="(.*?)".*?name"><a'
                             '.*?>(.*?)</a>.*?star">(.*?)</p>.*?releasetime">(.*?)</p>'
                             '.*?integer">(.*?)</i>.*?fraction">(.*?)</i>.*?</dd>',re.S)
    
        items = re.findall(pattern,html)
        #print(items)
        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') as f:
            f.write(json.dumps(content)+'
    ')
            f.close()
    
    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)
        # print(html)
    
    
    
    if __name__ == '__main__':
    #设置多进程抓取
        pool = Pool()
        pool.map(main,[i*10 for i in range(10)])
    

      

  • 相关阅读:
    整合Sleuth
    idea springboot 微服务批量启动
    思维的八层境界(深度好文)
    【格局视野】三色需求与工作层次
    【阅读推荐】改变你思维模式的书单
    【软件架构】七款代码味道识别工具
    【软件架构】代码重构之道
    【Android】EventBus 源码解析
    【软件架构】IM架构设计(安卓版)
    【设计模式】Java版设计模式的类图汇总
  • 原文地址:https://www.cnblogs.com/bep-feijin/p/9088841.html
Copyright © 2011-2022 走看看