爬虫 利用正则表达式爬取猫眼电影

爬虫入门实例——使用正则表达式爬取猫眼100电影排行 中间差不多有四个月没有写博客文章了,一方面是因为那时候基本上已经开学了,虽说是上网课,但是也不想学了这忘了那,所以也不太有充足的时间来自学一些东西了,好在我有一个完整的暑假,没有工作、不需要搞社会实践,所以就能静下心来好好学一学我心心念念的爬虫了。四个月的时间又没怎么接触python了,感觉再看到他的时候有一种熟悉但陌生的感觉,对于一个学生程序员来说,四个月不再接触一个东西是很容易遗忘的,毕竟我们学的东西太多了,不可能总在你脑子里占据着,再加上没有项目啥的给你练手,所以必要的复习是非常重要的,这也就是 阅读详情
# coding=utf-8
import requests
import re
import json
from io import open
#from multiprocessing import Pool
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:
           #print res.text
           print url
           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)
   items=re.findall(r'<dd>.*?class="board-index board-index-.*?</dd>',html,re.S)
   print items
   content=[]
   for item1 in items:
       item=re.search(r'<dd>.*?i class="board-index.*?>(\d+)</i>.*?data-src="(.*?)".*?name"><a'
                        +'.*?>(.*?)</a>.*?star">(.*?)</p>.*?releasetime">(.*?)</p>'
                        +'.*?integer">(.*?)</i>.*?fraction">(.*?)</i>.*?</dd>',item1,re.S)
       li={}
       li['index']=item.group(1)
       li['image'] = item.group(2)
       li['title'] = item.group(3)
       li['actor'] = item.group(4).strip()[3:]
       li['time'] = item.group(5).strip()[5:]
       li['score'] = item.group(6)+item.group(7)
       content.append(li)

   #print content
   return content
       #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 ('res.txt', 'a',encoding='utf-8') as f:
        f.write(json.dumps(content,ensure_ascii=False))
        f.close()


def main():
    for i in range(0,10):
        url = 'http://maoyan.com/board/4?offset=' + str(i*10)
        html = get_one_page(url)
        content=parse_one_page(html)
        print content
   #for item in parse_one_page(html):
       #print(item)
        write_to_file(content)

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

(爬虫基础)爬取猫眼Top100电影 #!/usr/bin/env python3 # _*_ coding: utf-8 _*_ # Date: 2019/11/11 0011 12:40 # Author: Mijiu # Version: 1.0 import requests,re,csv from lxml import etree # 获取页面源码 (猫眼电影top100) by Rosny 2019-11-11 de... 阅读详情

相关推荐

python爬虫小例子:爬取猫眼电影Top10电影相关信息(代码超详细解读)

目标网址:http://www.maoyan.com/board/4 Top100榜单共分为10页,经过观察,每一页的URL区别为:get请求参数 offset 变化。 所以URL如下设置: url = 'http://www.maoyan.com/board/4?offset=' + str(page_num) 获取单页的html的代码写为一个函数: # 获取单页的html def...

YouFigo的博客 1980

python爬虫,爬取猫眼电影1(正则表达式)

本文用正则、xpath、beautifulsoup、css、pyquery几种不同的方式,爬取猫眼电影。只是记录过程。比较乱。 猫眼电影现在也添加了一些反爬虫机制,如果直接用requests可能会403.所以最好添加header 和cookies。 添加的方法是使用网页的自动生成请求。 浏览器登陆,直接百度搜。 点击榜单 点击top100 出来页面之后,点击检查按钮,调出开发者工具。 选择network选项卡,然后在页面上,点击右键弹出“重新加载”,有的浏览器可能是“刷新”都...

weixin_40340586的博客 2031

python 爬虫抓取猫眼电影 top100 源码

python 爬虫抓取网页源码

小象.NET的专栏 5493

Python爬虫正则案例:爬取猫眼电影

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。 以下文章来源于云+社区,作者 听城 转载地址 https://blog.csdn.net/fei347795790?t=1 主要内容 requests设置headers,防止反爬 爬取内容 结果json保存 多线程抓取 设置headers 设置headers的主要目的就是防止用户请求被请求页面判定为恶意请求,最基本的就是要让用户的请求模拟浏览器请求的..

Python案例分享,B站视频教程:https://space.bilibili.com/523606542 772

利用正则爬取猫眼电影

爬取猫眼电影 import json import requests from requests.exceptions import RequestException import re def get_one_page(url):#获取一个页面的信息 try: kv = {"user-agent": "Mozilla/5.0 (Windows NT 10.0; Win6...

eval_request的博客 363

SeetaFace6人脸活体检测C++代码实现Demo

活体检测是判断人脸图像是来自真人还是来自攻击假体(照片、视频等)的方法。 人脸识别系统存在被伪造攻击的风险。因此需要在人脸识别系统中加入活体检测,验证用户是否为真实活体本人操作,以防止照片、视频、以及三维模型的入侵,从而帮助用户甄别欺诈行为,保障用户的利益。

mickey2007的博客 3475

python爬虫之正则表达式爬取猫眼前100的电影(七)

import json import requests from requests.exceptions import RequestException import re import time def get_one_page(url): try: headers = { 'User-Agent': 'Mozilla/5.0 (Macinto...

qq_45353823的博客 655

HyperMesh实战:用Field工具搞定复杂载荷映射(附TCL脚本示例)

本文深入探讨了HyperMesh中Field工具在复杂载荷映射中的高级应用,包括从CSV到有限元网格的温度场映射全流程、稀疏数据处理技巧及TCL自动化脚本示例。通过Field工具,工程师可以高效实现CFD温度场到结构网格的精准映射,显著提升有限元分析的精度与效率。

white的博客 265

Python re库正则方式爬取猫眼电影

正则表达式常用的元字符(一) 元字符 功能说明 . 匹配除换行符以外的任意单个字符 * 匹配位于*之前的字符或子模式的0次或多次出现 + 匹配位于+之前的字符或子模式的1次或多次出现 - 在[]之内用来表示范围 | 匹配位于|之前或之后的字符 ^ 匹配行首,匹配以^后面的字符开头的字符串 ...

sdau20172113的博客 262

【WorkBuddy】WorkBuddy 智能体快速上手:从零到一的实践指南

文章摘要: 传统自动化脚本难以应对灵活多变的自然语言需求,导致逻辑复杂、维护成本高。智能体(Agent)通过理解语义意图、动态决策和松耦合组件解决了这些问题。WorkBuddy采用声明式配置,通过可视化界面定义意图、实体和对话策略,无需编码即可快速构建智能体。其核心组件包括意图分类、实体提取、对话策略、故事样本和回退机制,适用于客服支持、知识问答等高频场景。通过环境准备(Python/Node.js/Redis)和简单配置,用户可以快速搭建可运行的智能体,显著提升自动化效率。

ruiqideng的博客 1672

在 SAP S/4HANA Public Cloud 中,用 RAP 一键生成 PDF 并在 Fiori 前端触发下载的完整方案

create;update;delete;// 生成并返回当前文档上下文。

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 413

【Python学习记录】爬虫笔记1——爬猫眼电影Top100排行

学校开了一周的Python课,上个暑期的时候自己看了崔庆才的python3网络爬虫开发实战,但是很多都没有理解,只是初步了解了很多概念,很多实战的东西自己看完都比较虚,尤其是从头开始看那本书时,是从urllib这个库开始的,后来又安装了requests库,总的来说是当你学完一个东西并且敲了很多代码后,发现事实上有很多轮子都造好了…你可以用更方便的库去写代码,这样效率更高也更简单。 但是事实上这些简...

SinceNov 630

Synthesia技术浅析(四):自然语言处理

Synthesia 的自然语言处理(NLP)模块是其核心技术之一,涵盖了文本转语音(TTS)、情感分析以及多语言支持等多个方面。

m0_75253143的博客 1167

对猫眼电影排行的爬取

1. 目标: 对猫眼电影前100名的爬取,并将结果以文件的形式保存下来 2. 准备工作: requests库 3. 抓取分析 offset代表偏移量值,分开请求10次,就可以获取前100的电影 4.抓取首页 5.正则提取 6.文件提取 7.代码整合 8.每页爬取 总代码: 1 import json 2 import requests 3 from re...

weixin_30832405的博客 290

学Simulink--基于多物理场耦合与系统集成的储能系统场景实例:压缩空气储能(CAES)系统的热力学建模与效率分析

本文提供了一个基于Simulink的压缩空气储能(CAES)系统热力学建模教程。通过多物理场耦合方法,详细演示了从系统架构设计到仿真测试的全过程,包括多级压缩机/膨胀机系统搭建、显热蓄热系统设计以及效率分析。文章重点强调了热管理对提升CAES效率的关键作用,并给出了68%电-电效率的优化案例。最后提出了变工况建模、不同蓄热介质对比等高级优化方向,为开发零碳大容量储能系统提供了实用工具和方法。

amy_mhd的博客 131

lammps案例:聚乙烯和石墨烯界面pull out模拟

大家好,我是小马老师。 本文介绍lammps模拟计算界面结合力的一个案例。 本案例参考论文《The interfacial mechanical properties of functionalized graphene- polymer nanocomposites》,对论文作者表示感谢。 模型共分2层,上层为聚乙烯模型,下次为单层石墨烯,模拟过程共分3部分:建模、弛豫、拉伸。 (1)建模 使用MS建立聚乙烯和石墨烯模型,具体方法可参考之前的推文,使用build layer方法建立聚乙烯和石墨烯组合模型,

lammps_jiayou的博客 3496

Python爬虫-利用正则表达式爬取猫眼电影

利用正则来爬去猫眼电影 =================================== ===================================================== 1 ''' 2 利用正则来爬去猫眼电影 3 1. url: http://maoyan.com/board 4 2. 把电影信息尽可能多的拿下来 5 6 分析...

weixin_33709590的博客 330

Python爬虫实战:采集菜谱网站数据——以“下厨房”为例

随着互联网的发展,海量优质数据为各类应用提供了坚实基础。菜谱作为用户日常生活中需求极高的内容,丰富多样的菜谱数据不仅方便用户烹饪,也为美食推荐、营养分析等研究提供了数据支持。本文将围绕国内知名菜谱网站“下厨房”(https://www.xiachufang.com)展开,结合最新Python爬虫技术,详细讲解如何高效、规范地采集菜谱数据,包括菜谱名称、食材、步骤、评分、评论等丰富信息。全篇覆盖爬虫原理、框架选型、反爬应对、数据存储和简单分析,是学习爬虫实战的绝佳案例。菜谱标题作者信息菜谱图片。

2201_76125261的博客 1900

利用requests和正则表达式爬取猫眼电影最受期待排行

爬取数据并导出文件

m0_49119161的博客 204

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

python3 爬虫实例_Python3爬虫三大案例实战分享-天善学院

课程链接:https://edu.hellobi.com/course/156/lessons课程一:分析Ajax抓取今日头条街拍美图课程源码1:今日头条的图片栏目,图片地址和网页地址采集,然后下载后,存储到mangodb中import jsonimport osfrom urllib.parse import urlencodeimport pymongoimport requestsfrom ...

weixin_39605840的博客 323

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

十分钟带你学会用python3网络爬虫抓取猫眼电影排行!

90即可,这样获取不同的页面之后,再用正则表达式提取出相关信息,就可以得到TOP100的所有电影信息了。,比之前的URL多了一个参数,那就是 offset=10 ,而目前显示的结果是排行11~20名的电影,初步推断这是一个偏移量的参数。通过调用 write_to_json() 方法即可实现将字典写入到文本文件的过程,此处的 content 参数就是一部电影的提取结果,是一个字典。将网页滚动到最下方,可以发现有分页的列表,直接点击第2页,观察页面的URL和内容发生了怎样的变化,如图3-12所示。

爱编程的鱼的博客 1575

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

python正则表达式生成器_python正则表达式简单爬虫入门+案例(爬取猫眼电影TOP榜)...

用正则表达式实现一个简单的小爬虫常用方法介绍1、导入工具包import requests#导入请求模块from flask import json#导入json模块from requests.exceptions import RequestException#异常捕捉模块import re#导入正则模块from multiprocessing import Pool#导入进程模块2、获取页面re...

weixin_39688636的博客 319

用requests库爬取猫眼电影Top100

这里需要注意一下,在爬取猫眼电影Top100时,网站设置了反爬虫机制,因此需要在requests库的get方法中添加headers,伪装成浏览器进行爬取 import requests from requests.exceptions import RequestException from multiprocessing import Pool import re imp...

anywen5590的博客 526

利用Python3的requests和re库爬取猫眼电影笔记

以下笔记,作为参考借鉴,如有疑问可以联系我进行交流探讨! 代码思路很简单,简单概括为: 首先利用requests的get方法获取页面的html文件,之后对得到的html文件进行相对应的正则处理,然后把爬取到的数据保存到本地。 # -*- coding: utf-8 -*- """ 爬取的相关信息有:电影名次、电影名称、主演、上映时间、评分 """ ...

257

用Python爬取TOP100的电影

1.确定爬取目标 提取出猫眼电影TOP100的电影名称、时间、评分、图片等信息,提取的URL为:http://maoyan.com/board/4,提取的结果以文件形式保存下来。 2.前期准备 本项目需要用到requests库,请确保已经正确安装好了requests库,如果没有安装,可以用pip指令进行安装,非常简单,这里就不再详细叙述了。 打开URL后,可以看到排名第一的是「霸王别姬」,可以看...

转行程序员 837
上一篇: python 爬虫入门 爬取京东商品图片并保存
下一篇: python爬虫 利用Beautifuloup爬取豆瓣影评
言希0127
博客等级 码龄9年 51粉丝 51原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值