教你用Python爬猫眼电影，简单网站却有 “多重思路” ！

猫眼电影作为爬虫的必备练手网站，相信每个人都试过吧？ 那么这篇文章，我就再爬一次猫眼电影，而且用上正则和xpath一起，分别保存为excel表格和csv表格，(text文本这个就太简单了，自动忽略), 所以这篇文章，虽然网站熟悉，但是内容上的干货确实不少。希望大家能学到一点东西！

爬虫思路：

• 本次爬取网站为： https://maoyan.com/board/4?offset=0

• 本次爬虫函数库：

这些函数库没有的话 就自己下载一下， 下载慢出现timeout的话，需要搭配一下国内镜像网站。 百度一下 清华镜像

• 本次爬虫代码思路： 面向过程的简单操作

• 本次爬虫主要侧重于解析页面和保存数据二大模块，有需求可以直接跳转阅读。

分析页面：

拿到这个网站的第一步，就是分析页面， 切不可着急，直接套用代码而上！

• 查看网页源代码之后， 你可以找到页面中对应的数据， 如图：

这说明这个网站就是很中规中矩的静态网站了， 你想怎么耍就可以怎么耍。

• 因为是要爬取T100或者更多， 观察每一页的网址特点，我们发现：

每一页都是offset的不同变化，那我们字符串的构造就可以完成这个任务，得到任意页的网址。

• 当我们拿到每一页的网址，只需要向服务器发送请求，得到返回后的html页面，然后就可以进行不同的解析工作了， 在解析中，我们可以提取我们要的数据，将这些数据进行二次加工， 在返回， 那么就可以进入到我们保存数据的过程了， 在保存数据的时候，我们可以采用不同的方式进行保存，在这边文章中，我使用了excel和 csv 二种方式去保存，这样可以增加自己的代码练手率， 方便自己熟悉各种方式的保存。

构造页面参数：

就直接这样用字符串构造一下就行了，很简单。

请求网址:

带上一些必要的信息， 就可以伪装一下，发送请求，返回页面源代码。

解析网址:

使用xpath解析网址：

我们可以通过浏览器发现， 每个电影都在在标签dd中， 但是我们还是要根据dl标签来遍历下面的dd标签，方便得到如下数据！ 最后使用枚举 enumerate() 去返回一个参数字典。 代码如下：

使用正则去匹配信息：

正则这个东西，在爬虫中真不到万不得已的时候才使用， 个人感觉，在这个网址，我们练练手， 打开网页源代码。如下：

我们要的数据都在每一个dd标签中， 所以我们需要编写正则表达式， 这里我编写了二种表达式，都可以实现。 关于不会正则的朋友，希望自己去学一下。

二种都差不多， 有点细微差别。

代码如下：

保存数据：

数据的保存，至关重要。

保存为excel:

能直接操作excel 表格的库确实有很多，但是我喜欢用openpyxl， 我觉得这个最好耍， 简单的一些配置，就能直接上手。 代码如下：

​
因为之前我传过来的数据是字典类型的， 但考虑到openpyxl能直接操作的是列表类型，所以有如下修改：

保存为csv:

直接操作csv的函数库 我觉得只有csv库最香了。

因为字典类型， 我们需要设置表头， 但是设置表头需要注意不要多次设置， 可能表中存在多个表头，应该这样:

全部代码：

​