爬虫实战python爬取猫眼电影TOP100

最新推荐文章于 2025-02-14 17:25:53 发布

滑冰选手库里

最新推荐文章于 2025-02-14 17:25:53 发布

阅读量655

点赞数

CC 4.0 BY-SA版权

分类专栏：爬虫

本文链接：https://blog.youkuaiyun.com/weixin_40096730/article/details/81058141

爬虫专栏收录该内容

16 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requests库发送HTTP请求获取网页内容，并利用正则表达式解析数据。该爬虫能够抓取电影排名、图片、名称、演员、上映时间和评分等信息，最后将这些信息保存到本地文件中。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import requests
from requests.exceptions import RequestException
import re
import json
# 多线程,一秒完成数据的爬取
# from multiprocessing import Pool


def get_one_page(url):
    # 默认的ua是Python的 ，一般都会首选过滤掉这种ua，可以手动模拟写上ua
    kv = {"user-agent": "Mizilla/5.0"}
    try:
        response = requests.get(url,headers=kv)
        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 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()


def main(offset):
    url = "http://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__':
     for i in range(10):
         main(i*10)

    # 多线程
    # pool = Pool()
    # pool.map(main, [i * 10 for i in range(10)])