50行Python代码教你爬取猫眼电影TOP100榜所有信息_猫眼电影大数据推荐python代码(4)-优快云博客

本文链接：https://blog.youkuaiyun.com/2401_84182073/article/details/138852990

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！


##### 二、构造HTML解析器

1def parse_one_page(html):
2 pattern = re.compile(‘

.*?board-index.*?>(\d+).*?data-src=“(.*?)”.*?name"><a’
3 +‘.*?>(.*?).*?star">(.*?)

.*?releasetime">(.*?)’
4 +‘.*?integer">(.*?).*?fraction">(.*?).*?’,re.S)
5 items = re.findall(pattern,html)
6 for item in items:
7 yield{
8 ‘index’: item[0],
9 ‘image’: item[1],
10 ‘title’: item[2],
11 ‘actor’: item[3].strip()[3:],
12 ‘time’: item[4].strip()[5:],
13 ‘score’: item[5] + item[6]
14 }



> 
> 注意：
> 
> 
> 1. 在函数中本来该return的地方用yield，如果用return，在第一轮循环就会跳出，结果文件只会有一部电影。如果用yield，函数返回的就是一个生成器，而生成器作为一种特殊的迭代器，可以用for——in方法，一次一次的把yield拿出来；
> 2. re.findall(pattern,string[,flags])：搜索整个string，以列表的形式返回能匹配的全部子串，其中参数是匹配模式，如re.S表示点任意匹配模式，改变“.”的行为。
> 
> 
> 


##### 三、构造数据存储器

1def write_to_file(content):
2 with open (‘result.txt’, ‘a’,encoding=‘utf-8’) as f:
3 f.write(json.dumps(content,ensure_ascii=False) + ‘\n’)
4 f.close()



> 
> 注意事项：
> 
> 
> 1. 为什么ensure\_ascii=False？原因是json默认是以ASCII来解析code的，由于中文不在ASCII编码当中，因此就不让默认ASCII生效；
> 2. 要写入特定编码的文本文件，请给open()函数传入encoding参数，将字符串自动转换成指定编码。细心的童鞋会发现，以'w'模式写入文件时，如果文件已存在，会直接覆盖（相当于删掉后新写入一个文件）。如果我们希望追加到文件末尾怎么办？可以传入'a'以追加（append）模式写入。
> 
> 
> 


接下来就是构造主函数，初始化各个模块，传入入口URL，按照运行流程执行上面三大模块：

1def main(offset):
2 url = ‘http://maoyan.com/board/4?offset=’ + str(offset)
3 html = get_one_page(url)
4 for item in parse_one_page(html):
5 print(item)
6 write_to_file(item)
7if name == ‘__main__’:
8 p = Pool()
9 p.map(main,[i*10 for i in range(10)])



> 
> 注意：  


![img](https://img-blog.csdnimg.cn/img_convert/571c621471d1bfa70d62353b058a3bd0.png)
![img](https://img-blog.csdnimg.cn/img_convert/8508307f2a093226efc8e6362280d65c.png)

**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.youkuaiyun.com/topics/618545628)**


**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**

**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**