python requests抓取猫眼电影排行榜

最新推荐文章于 2024-08-09 22:15:00 发布

不急god

最新推荐文章于 2024-08-09 22:15:00 发布

阅读量401

点赞数

CC 4.0 BY-SA版权

分类专栏： python

本文链接：https://blog.youkuaiyun.com/sdzhangshulong/article/details/103520337

python 专栏收录该内容

1 篇文章

订阅专栏

本文介绍了一个使用Python进行的猫眼电影榜单爬虫项目，通过解析网页源代码，利用正则表达式抓取电影排名、名称、演员、上映时间及评分等信息，并将数据保存到本地文件。项目采用多线程提高数据抓取效率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

'''猫眼电影抓取'''
import json
from multiprocessing import Pool
import requests
from requests.exceptions import RequestException
import re
def get_one_page(url):
    '''抓取网页代码'''
    try:
        #请求头
        headers={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.79 Safari/537.36'}
        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 {
            'title': item[2],
            'index':item[0],
            'image':item[1],

            'actor':item[3].strip()[3:],
            'time':item[4].strip()[5:],
            'score':item[5]+item[6]
        }

def write_to_file(content):
    '''将数据存放到文件中'''
    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='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)

if __name__=='__main__':

    '''线程池运行程序'''
    pool=Pool()
    pool.map(main,[i*10 for i in range(10)])