政策资讯

Policy Information


Crawler:基于requests库+json库+40行代码实现爬取猫眼榜单TOP100榜电影名称主要信息

来源: 重庆市软件正版化服务中心    |    时间: 2022-09-20    |    浏览量: 64854    |   

Crawler:基于requests库+json库+40行代码实现爬取猫眼榜单TOP100榜电影名称主要信息

目录

输出结果

实现代码


 

输出结果

 

实现代码

  1. -*- coding: utf-8 -*-
  2. Py之Crawler:实实在在的40行代码爬取猫眼榜单TOP100榜电影名称主要信息——Jason niu
  3. import requests
  4. import re
  5. import json
  6. from requests.exceptions import RequestException
  7. from multiprocessing.dummy import Pool
  8. headers = {'User-Agent':'Mozilla/5.0 '}
  9. def get_one_page(url):
  10. try:
  11. res = requests.get(url,headers = headers)
  12. if res.status_code == 200:
  13. return res.text
  14. return None
  15. except RequestException:
  16. return None
  17. def parse_one_page(html):
  18. pattern = re.compile('<dd>.*?board-index.*?>(\d+)</i>.*?data-src="(.*?)".*?name"><a'
  19. +'.*?>(.*?)</a>.*?star">(.*?)</p>.*?releasetime">(.*?)</p>'
  20. +'.*?integer">(.*?)</i>.*?fraction">(.*?)</i>.*?</dd>',re.S)
  21. items = re.findall(pattern,html)
  22. for item in items:
  23. yield{
  24. 'index': item[0],
  25. 'image': item[1],
  26. 'title': item[2],
  27. 'actor': item[3].strip()[3:],
  28. 'time': item[4].strip()[5:],
  29. 'score': item[5] + item[6]
  30. }
  31. def write_to_file(content):
  32. with open ('result.txt', 'a',encoding='utf-8') as f:
  33. f.write(json.dumps(content,ensure_ascii=False) + '\n')
  34. f.close()
  35. def main(offset):
  36. url = 'http://maoyan.com/board/4?offset=' + str(offset)
  37. html = get_one_page(url)
  38. for item in parse_one_page(html):
  39. print(item)
  40. write_to_file(item)
  41. if __name__ == '__main__':
  42. p = Pool()
  43. p.map(main,[i*10 for i in range(10)])

评论

QQ咨询 扫一扫加入群聊,了解更多平台咨询
微信咨询 扫一扫加入群聊,了解更多平台咨询
意见反馈
立即提交
QQ咨询
微信咨询
意见反馈