python多线程爬取猫眼电影Top100

最新推荐文章于 2020-11-17 17:55:56 发布

salome_

最新推荐文章于 2020-11-17 17:55:56 发布

阅读量346

点赞数

CC 4.0 BY-SA版权

分类专栏： python

本文链接：https://blog.youkuaiyun.com/nio_jiy/article/details/83834232

python 专栏收录该内容

2 篇文章

订阅专栏

本文介绍了一个使用Python编写的猫眼电影榜单爬虫程序，该程序利用requests库获取网页内容，通过正则表达式解析数据，实现了多进程并行处理，最终将结果存储到本地文件中。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

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


def get_one_page(url):
    try:
        headers={'User-Agent': ''}#插入自己的headers
        response=requests.get(url,headers=headers)
        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>.*?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 main(offset):
    url='https://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)


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