• 做一个积极的小白

标题抓取猫眼电影

大家好，我是情深骚明，这是我第一次学习Python网络爬虫，这个是我根据教材写的，虽然只是模仿，但是从中学到了不少知识，有json、requests、re、time、异常处理等一些方法，我希望能和大家一起分享我们学习的快乐。

1.1 看猫眼的页面

通过看猫眼的页面的信息，我们可以简单的知道猫眼电影TOP100的电影名称、时间、评分、图片等信息，下面就通过几个函数来对这些属性进行抓取。

1.2所需要的Python库

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

1.3抓取猫眼首页

def get_one_page(url):
    try:
        headers = {
            'User-Agent':'Mozilla/5.0(Macintosh;Intel Mac OS X 10_13_3) AppleWebkit/537.36(KHTML,like Gecko)'
                         'Chrome/65.0.3325.162 Safari/537.36'
        }
        response = requests.get(url,headers=headers)
        if response.status_code == 200:
            return response.text
        return None
    except RequestException:
        return None

1.4正则表达式提取并整合

def parse_one_page(html):
    pattern = re.compile(
        '<dd>.*?board-index.*?>(.*?)</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:
        yield {
            'index':item[0],
            'image':item[1],
            'title':item[2].strip(),
            'actor':item[3].strip()[3:] if len(item[3]) > 3 else '',
            'time':item[4].strip()[5:] if len(item[4]) > 5 else '',
            'score':item[5].strip() + item[6].strip()
        }

1.5写入文件

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

1.6 整合代码

def main(offest):
    url = 'http://maoyan.com/board/4?offest='+str(offest)
    html = get_one_page(url)
    for item in parse_one_page(html):
        print(item)
        write_to_file(item)

1.7 执行并输出结果

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

大家好，我只是一个小白，以上的都是我通过自己自学，看教材总结的，纯粹模仿，我只是想通过自己的总结，让大家对学习充满了兴趣，如有雷同，敬请谅解。