zoukankan      html  css  js  c++  java
  • Python爬虫实战之Requests+正则表达式爬取猫眼电影Top100

    import requests
    from requests.exceptions import RequestException
    import re
    import json
    # from multiprocessing import Pool
    
    # 测试了下 这里需要自己添加头部 否则得不到网页
    headers = {
        'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.102 Safari/537.36'
    }
    # 得到html代码
    def get_one_page(url):
        try:
            response = requests.get(url, headers = headers)
            if response.status_code == 200:
                return response.text
            return None
        except RequestException:
            return None
    
    # 解析html代码
    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)
        for item in items:
            # 将元组形式变为字典
            yield {
                '【排名】': item[0],
                '【图片】': item[1],
                '【标题】': item[2],
                '【主演】': item[3].strip()[3:],
                '【上映时间】': item[4].strip()[5:],
                '【评分】': item[5] + item[6]
            }
    
    # 写入文件
    def write_to_file(content):
        # 注意encoding = 'utf-8'和ensure_ascii = False,不写的话不能输出汉字
        with open('电影.txt', 'a', encoding = 'utf-8') as f:
            f.write(json.dumps(content, ensure_ascii = False) + '
    ')
            f.close()
    
    # 主函数
    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(i * 10)
    
    # 多进程(测试有bug)
    # if __name__ == '__main__':
    #     pool = Pool()
    #     pool.map(main, [i * 10 for i in range(10)])
    #     pool.join()
    #     pool.close()

    代码来自崔庆才 

  • 相关阅读:
    protected、public、private
    第十五章 面向对象程序设计
    第十四章 重载运算与类型转换
    聚合类
    explicit构造函数
    allocator类
    直接管理内存——new和delete
    智能指针
    Bugku-CTF之点击一百万次
    Bugku-CTF之flag在index里
  • 原文地址:https://www.cnblogs.com/duxie/p/10045667.html
Copyright © 2011-2022 走看看