Python爬虫实战之Requests+正则表达式爬取猫眼电…
2018-12-02 06:15:16来源:博客园 阅读 ()
import requests from requests.exceptions import RequestException import re import json # from multiprocessing import Pool # 测试了下 这里需要自己添加头部 否则得不到网页 headers = { 'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.102 Safari/537.36' } # 得到html代码 def get_one_page(url): try: response = requests.get(url, headers = headers) if response.status_code == 200: return response.text return None except RequestException: return None # 解析html代码 def parse_one_page(html): 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: # 将元组形式变为字典 yield { '【排名】': item[0], '【图片】': 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] } # 写入文件 def write_to_file(content): # 注意encoding = 'utf-8'和ensure_ascii = False,不写的话不能输出汉字 with open('电影.txt', 'a', encoding = 'utf-8') as f: f.write(json.dumps(content, ensure_ascii = False) + '\n') f.close() # 主函数 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__': for i in range(10): main(i * 10) # 多进程(测试有bug) # if __name__ == '__main__': # pool = Pool() # pool.map(main, [i * 10 for i in range(10)]) # pool.join() # pool.close()
代码来自崔庆才
标签:
版权申明:本站文章部分自网络,如有侵权,请联系:west999com@outlook.com
特别注意:本站所有转载文章言论不代表本站观点,本站所提供的摄影照片,插画,设计作品,如需使用,请与原作者联系,版权归原作者所有
上一篇:python之字典(dict)
下一篇:线程理论
- python3基础之“术语表(2)” 2019-08-13
- python3 之 字符串编码小结(Unicode、utf-8、gbk、gb2312等 2019-08-13
- Python3安装impala 2019-08-13
- 小白如何入门 Python 爬虫? 2019-08-13
- python_字符串方法 2019-08-13
IDC资讯: 主机资讯 注册资讯 托管资讯 vps资讯 网站建设
网站运营: 建站经验 策划盈利 搜索优化 网站推广 免费资源
网络编程: Asp.Net编程 Asp编程 Php编程 Xml编程 Access Mssql Mysql 其它
服务器技术: Web服务器 Ftp服务器 Mail服务器 Dns服务器 安全防护
软件技巧: 其它软件 Word Excel Powerpoint Ghost Vista QQ空间 QQ FlashGet 迅雷
网页制作: FrontPages Dreamweaver Javascript css photoshop fireworks Flash