Python爬虫练习之猫眼电影

最新推荐文章于 2024-12-04 16:23:46 发布

原创最新推荐文章于 2024-12-04 16:23:46 发布 · 689 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#Python #爬虫

Python爬虫专栏收录该内容

6 篇文章

订阅专栏

本文介绍了一种使用Python的requests库和正则表达式爬取猫眼电影排行榜的方法，并实现了多线程优化来提高爬取效率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

这套程序应用了正则表达式和requests库，爬取猫眼电影榜单前100名。

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


def get_one_page(url):
    try:
        response = requests.get(url)
        if response.status_code == 200:
            return response.text
        return None
    except RequestException:
        return None


def parse_one_page(html):
	pattern = re.compile('<dd>.*?board-index.*?>(\d+)</i>.*?title="(.*?)".*?star">(.*?)</p>.*?releasetime">(.*?)</p>.*?</dd>', re.S) #re.S是为了让.能够替代换行符
	items = re.findall(pattern, html)
	for item in items:
		yield {
			'index' : item[0],
			'title' : item[1],
			'star' : item[2].strip()[3:],    #strip()能够去掉换行符, [3:]表示去掉前三个字符
			'releasetime' : item[3].strip()[5:]
			}


def write_to_file(content):
			with open('D:\\movies.txt', 'a', encoding = 'utf-8') as f:
				f.write(json.dumps(content, ensure_ascii = False) + '\n')
            #encoding = 'utf-8', ensure_ascii = False是为了爬取信息下来时显示中文
            #json.dumps()可以进行json格式的编码, 可以将字典转化为字符串


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

for i in range(10):
	main(i * 10)

虽然数据量不大，但是这里提供一个多线程抓取的方法，代码如下：

from multiprocessing.dummy import Pool as ThreadPool

if __name__ == '__main__':
	pool = ThreadPool(4)
	pool.map(main, [i * 10 for i in range(10)])    #将数组中的内容作为函数的参数传递过去
	pool.close()
	pool.join()