【Python】Requests+正则表达式爬取猫眼电影TOP100

最新推荐文章于 2021-01-06 13:55:30 发布

原创

最新推荐文章于 2021-01-06 13:55:30 发布 · 982 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#Python #Requests #正则表达式 #爬虫 #Linux

【Python】网络爬虫原理

1.先获取到一个页面，状态码200是成功返回

def get_one_page(url):
    # 获取一个页面
    try:
        response = requests.get(url)
        if response.status_code == 200:
            return response.text
        return None
    except RequestException:
        return None

2.解析一个页面，先创建一个正则表达式对象，接着进行正则匹配，然后通过键值对形式存储

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 {