python爬虫(电影排行榜)

最新推荐文章于 2024-10-17 17:05:28 发布

原创最新推荐文章于 2024-10-17 17:05:28 发布 · 940 阅读

1 ·

CC 4.0 BY-SA版权

本文介绍了一个使用Python爬取猫眼电影榜单的实例，包括网页请求、正则表达式解析HTML、多进程并行处理及结果保存到文件等步骤。通过此项目可以学习到如何高效地抓取网站数据，并利用正则表达式提取所需信息。

部署运行你感兴趣的模型镜像

import json
import re
from multiprocessing.dummy import Pool

import requests
from requests.exceptions import RequestException

headers = {'User-Agent': 'Mozilla/5.0 '}


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


def parse_one_page(html):
    pattern = re.compile('<dd>.*?board-index.*?>(\d+)</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],
            'actor': item[3].strip()[3:],
            'time': item[4].strip()[5:],
            'score': item[5] + item[6]
        }


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


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


if __name__ == '__main__':
    p = Pool()
    p.map(main, [i * 10 for i in range(10)])

您可能感兴趣的与本文相关的镜像