您好,欢迎访问代理记账网站
  • 价格透明
  • 信息保密
  • 进度掌控
  • 售后无忧

requests+re爬取猫眼电影排行

import requests
from requests.exceptions import RequestException
import re,json,time

def get_one_page(url):
	#获取网页信息
    try:
        headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/90.0.4430.212 Safari/537.36'}
        response = requests.get(url,headers=headers)
        if response.status_code==200:
            print(response.text)
            return response.text
        else:
            return None
    except RequestException:
        return None

def parse_one_page(html):
    #正则解析
    pattern = re.compile(
        '<dd>.*?board-index.*?>(.*?)</i>.*?data-src="(.*?)".*?title="(.*?)".*?star.*?>(.*?)</p>.*?releasetime.*?>(.*?)</p>.*?integer.*?>(.*?)</i>.*?fraction.*?>(.*?)</i>',
        re.S)
    #print(pattern)
    items = re.findall(pattern, html)

    for item in items:
        yield {  #yield 生成器
            'index': item[0],
            'image': item[1],
            'title': item[2],
            'actor': item[3].strip()[3:] if len(item[3]) > 3 else '',
            # strip()方法用于移除字符串头尾指定的字符(默认为空格或换行符)或字符序列。注意:该方法只能删除开头或是结尾的字符,不能删除中间部分的字符。
            'time': item[4].strip()[5:] if len(item[4]) > 5 else '',
            'score': item[5] + item[6]
        }


def write_to_file(conent):
	#写入文件
    with open('result3.txt','a',encoding='utf-8') as f:
        #print(type(json.dump(conent)))
        f.write(json.dumps(conent,ensure_ascii=False)+'\n')


def main(offset):
	#每一页都是有规律的变化,都是offset的值在改变
    url = 'https://maoyan.com/board/4?offset='+str(offset)
    html=get_one_page(url)
    #print(html)
    #print('------------------------------')
    items = parse_one_page(html)
    for item in items:
        print(item)
        print('------------')
        write_to_file(item)


if __name__ == '__main__':
    for i in range(10):
        main(offset=i*10)
        time.sleep(1)


会遇到反爬:有可能只能爬前两页的内容。


分享:

低价透明

统一报价,无隐形消费

金牌服务

一对一专属顾问7*24小时金牌服务

信息保密

个人信息安全有保障

售后无忧

服务出问题客服经理全程跟进