Python题目4:爬取电影
import re # 正则表达式,用于提取数据 import requests # 下载网页源代码 ''' 安装requests模块:pip install requests 参考文档:https://www.cnblogs.com/jamespan23/p/5526311.html ''' for m in range(1,5): url = 'http://www.dytt8.net/html/gndy/dyzz/list_23_'+str(m)+'.html' html = requests.get(url) # 使用静态网页 html.encoding = 'GB2312' # 指定编码格式,通过查看网页源代码得知 data = re.findall('<a href="(.*?)" class="ulink">',html.text) # 提取信息,返回列表 # (.*?)匹配以'<a href='开头,以'class="ulink"'结尾的任何信息 for n in data: url2 = 'http://www.dytt8.net' + n html2 = requests.get(url2) html2.encoding = 'GB2312' ftp = re.findall('<a href="(.*?)">.*?</a></td>',html2.text) try: with open(r'F:\python\mov.txt','a',encoding='UTF-8') as f: # utf-8有可能兼容,不兼容的话使用gb2312 f.write(ftp[0]+'\n') # ftp提取的都是列表,列表不能写入文件,所以要加[0] except: print('这一页不能下载')