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

小飞棍来咯2 2022-09-20 10:04:00  51664

分类专栏：资讯

输出结果

实现代码


 -*- coding: utf-8 -*-
 
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
 
import requests
import re
import json
from requests.exceptions import RequestException
from multiprocessing.dummy import Pool
 
headers = {'User-Agent':'Mozilla/5.0 '}
 
def get_one_page(url):
    try:
        res = requests.get(url,headers = headers)
        if res.status_code == 200:
            return res.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__':
    p = Pool()
    p.map(main,[i*10 for i in range(10)])

网站声明：如果转载，请联系本站管理员。否则一切后果自行承担。

本文链接：https://www.xckfsq.com/news/show.html?id=4021

赞同 0

评论 0 条

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

输出结果

实现代码

相关文章

关注我们