Python爬虫技术——爬取猫眼电影TOP100榜单

最新推荐文章于 2024-11-25 22:59:28 发布

Astro_zxx

最新推荐文章于 2024-11-25 22:59:28 发布

阅读量979

点赞数 1

CC 4.0 BY-SA版权

分类专栏： Python 文章标签： python url spyder

本文链接：https://blog.youkuaiyun.com/qq_40634396/article/details/104261553

Python 专栏收录该内容

7 篇文章

订阅专栏

本文介绍了一种使用Python爬虫技术抓取猫眼电影Top100榜单的方法，通过解析网页源代码获取电影名称、主演及上映时间等信息，并实现了分页爬取的功能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

"""
    
        1、爬取猫眼电影 top100榜
            1、程序运行直接爬取第一页
            2、是否继续爬取 y\n
                y 爬取第二页
                n 爬取结束，谢谢使用
            3、把每一页的内容保存到本地 格式 第一页.html
            普通版&类版

"""
"""
猫眼电影 top100
第一页：https://maoyan.com/board/4?offset=0
第二页：https://maoyan.com/board/4?offset=10
第三页：https://maoyan.com/board/4?offset=20
"""

import urllib.request
import urllib.parse
import re
url = "https://maoyan.com/board/4?offset="

headers = {"User-Agent":"Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.100 Safari/537.36"}
def zhixing():
    # f = open("第%d页.html"%page, 'w', encoding="utf8")
    # print("正在写入第%d页" % page)
    # f.write(html)
    # f.close()
    # print("第%d页写入完成" % page)
    L1 = re.findall('title="(\S+)" data-act', html)
    L2 = re.findall('主演：(.+)\n', html)
    L3 = re.findall('上映时间：(.+)</p>', html)
    # print(L1)
    # print(L2)
    # print(L3)
    for i in range(0, 10):
        print(L1[i] + ' ' + L2[i] + ' ' + L3[i])
d = 0
urls = url + str(d)
print(urls)
request = urllib.request.Request(urls,headers = headers)
response = urllib.request.urlopen(request)
page = 1
html = response.read().decode("utf-8")
zhixing()
while input("是否继续（y/n）:") == 'y':
    page = page + 1
    d = d + 10
    urls = url + str(d)
    print(urls)
    request = urllib.request.Request(urls, headers=headers)
    response = urllib.request.urlopen(request)
    html = response.read().decode("utf-8")
    zhixing()
else:
    print("爬取结束，谢谢使用")