zoukankan      html  css  js  c++  java
  • Requests+正则表达式抓取猫眼电影TOP100

    spider.py

     1 # -*- coding:utf-8 -*-
     2 import requests
     3 import re
     4 import json
     5 import codecs
     6 from requests.exceptions import RequestException
     7 from multiprocessing import Pool
     8 
     9 headers = {
    10     'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/49.0.2623.221 Safari/537.36 SE 2.X MetaSr 1.0'
    11 }
    12 
    13 def get_one_page(url):
    14     try:
    15         response = requests.get(url,headers=headers)
    16         if response.status_code == 200:
    17             return response.text
    18         return None
    19     except RequestException:
    20         return None
    21 
    22 def parse_one_page(html):
    23     pattern = re.compile('<dd>.*?board-index.*?>(d+)</i>.*?data-src="(.*?)".*?<a.*?>(.*?)</a>.*?star">(.*?)</p>.*?releasetime">(.*?)</p>.*?integer">(.*?)</i>.*?fraction">(.*?)</i>.*?</dd>', re.S)
    24     items = re.findall(pattern, html)
    25     for item in items:
    26         yield {
    27             'index': item[0],
    28             'image': item[1],
    29             'title': item[2],
    30             'actor': item[3].strip()[3:],
    31             'time': item[4].strip()[5:],
    32             'score': item[5] + item[6]
    33         }
    34 
    35 def save_to_file(content):
    36     with codecs.open('result.txt', 'a', 'utf-8') as f:
    37         f.write(json.dumps(content, ensure_ascii=False) + '
    ')
    38 
    39 def main(offset):
    40     url = 'http://maoyan.com/board/4?offset=' + str(offset)
    41     html = get_one_page(url)
    42     for item in parse_one_page(html):
    43         print json.dumps(item, ensure_ascii=False, encoding='utf-8')
    44         save_to_file(item)
    45 
    46 if __name__ == '__main__':
    47     pool = Pool()
    48     pool.map(main, [i*10 for i in range(10)])
    View Code
  • 相关阅读:
    整站爬虫命令
    小故事集锦
    中国最经典广告语大全
    常用的正则表达式
    特殊成员方法
    使用super函数----增量重写普通方法和构造方法
    重写普通方法和构造方法------原类的方法会被覆盖
    Python的数据类型与数据结构
    类和对象
    生产者-消费者问题与quene模块
  • 原文地址:https://www.cnblogs.com/stonelovy/p/7644660.html
Copyright © 2011-2022 走看看