zoukankan      html  css  js  c++  java
  • requests+正则爬取猫眼电影前100

    最近复习功课,日常码农生活。

    import requests
    from requests.exceptions import RequestException
    import re
    import json
    from multiprocessing import Pool
    
    #requests.get()调用完记得抓异常
    def get_one_page(url):
        try:
            response = requests.get(url)
            if response.status_code == 200:
                return response.text
            return None
        except RequestException:
            return None
    
    def parse_one_page(html):
        #re.S使.可以匹配换行符
        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:
            #利用yield生成器
            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', encoding='utf-8')as f:
            #json.dumps将字典转换为字符串 ,json.load()将json格式数据转换为字典
            f.write(json.dumps(content, ensure_ascii=False) + '
    ')
            f.close()
    
    def main(offset):
        url = 'https://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__':
        #引入进程池,加快爬取速度
        pool = Pool()
        pool.map(main, [i*10 for i in range(10)])
  • 相关阅读:
    开门(open_door_pick_demo.py)的学习教程(十一)
    Bert源码解读(二)
    Transformer和Bert 的学习(一)
    Android笔记
    JSP 第八周课后作业
    JSPd第七周课后作业 2021/04/14
    JSP第六次课后作业 2021/04/07
    JSP第五次课后作业 2021/03/31
    JSP第四次课后作业 2021/03/24
    JSP第二次课后作业 2021/03/10
  • 原文地址:https://www.cnblogs.com/triangle959/p/10662894.html
Copyright © 2011-2022 走看看