李浅

导航

爬取猫眼电影100榜单 代码

 1 import requests
 2 import re, json
 3 
 4 
 5 # 请求网页,返回响应体
 6 def get_one_page(url):
 7     headers = {
 8         'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.71 Safari/537.36',
 9     }
10     response = requests.get(url, headers=headers)
11     if response.status_code == 200:
12         return response.text
13     return None
14 
15 
16 # 使用正则将需要的数据剥离
17 def parse_one_page(html):
18     pattern = re.compile(
19         '<dd>.*?board-index.*?>(.*?)</i>.*?data-src="(.*?)"'
20         + '.*?name.*?a.*?>(.*?)</a>.*?star.*?>(.*?)</p>'
21         + '.*?releasetime.*?>(.*?)</p>.*?integer.*?>(.*?)</i>'
22         + '.*?fraction.*?>(.*?)</i>.*?</dd>',
23         re.S)
24     res = re.findall(pattern, html)
25     for i in res:
26         yield {
27             '排名': i[0],
28             '封面': i[1],
29             '影片名称': i[2],
30             '主演': i[3].strip()[3:],
31             '上映时间': i[4].strip()[5:],
32             '评分': i[5].strip() + i[6].strip(),
33         }
34 
35 
36 # 将结果写入到文件
37 def write_to_file(content):
38     with open('猫眼电影排行TOP100.txt', 'a', encoding='utf-8') as f:
39         f.write(json.dumps(content, ensure_ascii=False) + '\n')
40 
41 
42 def main(offset):
43     url = 'https://maoyan.com/board/4?offset=' + str(offset)
44     html = get_one_page(url)
45     for item in parse_one_page(html):
46         print(item)
47         write_to_file(item)
48 
49 
50 if __name__ == '__main__':
51     for i in range(10):
52         main(offset=i * 10)


问题:

 

转载地址 https://www.jianshu.com/p/86d66257de41

 

posted on 2019-03-27 15:28  李浅  阅读(353)  评论(0编辑  收藏  举报