python3+正则表达式爬取猫眼电影

最新推荐文章于 2025-09-08 10:56:58 发布

转载最新推荐文章于 2025-09-08 10:56:58 发布 · 131 阅读

1 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/zl342423/p/10382525.html

文章标签：

#python #json

本文介绍了一种使用Python的requests库和正则表达式抓取猫眼电影TOP100榜单信息的方法，包括电影排名、海报链接、名称、主演、上映时间和评分等详细数据。

'''Request+正则表达式抓取猫眼电影TOP100内容'''
import requests
from requests.exceptions import RequestException
import re
import json
from  multiprocessing import Pool  #进程池
def get_one_page(url):
    try:
        reponse = requests.get(url)
        if reponse.status_code==200:
            return reponse.text
        return None
    except RequestException:
        return "error!"

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 {
            "排名":item[0],
            "海报连接": item[1],
            "电影名": item[2],
            "主演": item[3].strip()[3:],
            "上映时间": item[4].strip()[5:],
            "评分": item[5]+item[6]
        }

def write_to_file(content):
    with open("content.txt","a",encoding="utf-8")as f:
        # print(type(content)) #内容为字典形式
        f.write(json.dumps(content,ensure_ascii=False)+'\n') #用于将字典形式的数据转化为字符串
        f.close()
def main(offset):
    url = "https://maoyan.com/board/4?offset="+str(offset)
    get_html = get_one_page(url)
    # print(get_html)
    for item in parse_one_page(get_html):
        print(item)
        write_to_file(item)

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