利用正則來爬去貓眼電影

===================================

=====================================================

 1 '''
 2 利用正則來爬去貓眼電影
 3 1. url: http://maoyan.com/board
 4 2. 把電影資訊儘可能多的拿下來
 5 
 6 分析
 7 1. 一個影片的內容是以dd開是的單元
 8 2. 在單元記憶體在一部電影的所有資訊
 9 
10 思路：
11 1. 利用re把dd內容都給找到
12 2. 對應找到的每一個dd，用re挨個查詢需要的資訊
 
13 
14 方法就是三步走：
15 1. 把頁面down下來
16 2. 提取出dd單元為單位的內容
17 3. 對每一個dd，進行單獨資訊提取
18 '''
19 
20 
21 from urllib import request
22 
23 #1 下載頁面內容
24 url = "http://maoyan.com/board"
25 
26 rsp = request.urlopen(url)
27 html = rsp.read().decode()
28 
29 
30 
31 #2 按dd提取出內容來，縮小處理範圍
32 import re
33 
34 s = r'<dd>(.*?)</dd>
 
'
35 
36 pattern = re.compile(s, re.S)
37 
38 films = pattern.findall(html)
39 print(len(films))
40 
41 
42 
43 #3. 從每一個dd中單獨提取出需要的資訊
44 for film in films:
45 
46     # 提取電影名稱
47     s = r'<a.*?title="(.*?)"'
48     pattern = re.compile(s)
49     title = pattern.findall(film)[0]
50     print(title)