zoukankan      html  css  js  c++  java
  • request+正则爬猫眼电影榜top100

    import requests#d导入requests模块
    from multiprocessing import Pool#进程池
    from requests.exceptions import RequestException#用于异常处理
    import json
    import re#导入正则表达式

    headers={
    'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.75 Safari/537.36'
    }
    def get_one_page(url):#请求单页内容的方法
    try:
    response = requests.get(url,headers=headers)#用requests.get请求url
    if response.status_code == 200:#判断,如果请求到的状态码==200(请求成功)
    return response.text#返回网页内容
    return None#如果是其他状态码返回None
    except RequestException:
    return None

    def parse_one_page(html):#解析单页内容
    pattern = re.compile('<dd>.*?board-index.*?>(d+)</i>.*?src="(.*?)".*?name"><a'+'.*?>(.*?)</a>.*?star">(.*?)</p>.*?releasetime">(.*?)</p>'
    +'.*?integer">(.*?)</i>.*?fraction">(.*?)</i>.*?</dd>',re.S)#编写正则表达式
    items = re.findall(pattern,html)#应用已编好的正则表达式
    for item in items:#遍历
    yield {
    '排名':item[0],
    '图片地址': 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]
    }

    def write_to_file(content):#将爬取结果保存到resuli.txt
    with open('result.txt','a',encoding='utf-8') as f:
    f.write(json.dumps(content,ensure_ascii=False)+' ')
    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)

    if __name__=="__main__":
    pool = Pool()#构造进程池
    pool.map(main,[i*10 for i in range(10)])#爬取多页
  • 相关阅读:
    微信分享链接出现config:invalid signature错误的解决方法
    微信开发,分享部分出现的问题
    thinkphp 3.2 去除调试模式后报错,怎么解决
    MySQL添加新用户、为用户创建数据库、为新用户分配权限
    xshell工具source导入几个G的数据库
    thinkphp5引入公共部分header、footer等
    用样本估计总体
    随机抽样
    平面几何相关定理
    直线和曲线相切,曲线和曲线相切
  • 原文地址:https://www.cnblogs.com/liunaiming/p/12234895.html
Copyright © 2011-2022 走看看