本次實驗爬蟲任務工具較為簡單，主要是熟悉正則表示式的匹配：

pattern = re.compile('<dd>.*?board-index.*?>(\d+)</i>.*?data-src="(.*?)".*?name"><a.*?>(.*?)</a>.*?star">(.*?)</p>.*?releasetime">(.*?)</p>.*?integer">(.*?)</i>.*?fraction">(.*?)</i>', re.S)

以上的正則表示式中，分別匹配:
電影的id（\d+）,圖片的地址（……src=”(.?)”.

`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]
        }`

得到上述的格式化資料之後，就可以寫入txt檔案進行持久化儲存了。整個程式碼如下：

import json
import requests
from requests.exceptions import RequestException
import re


def get_one_page(url):
    try:
        response = requests.get(url)
        if
 
 response.status_code == 200:
            return response.text
        return None
    except RequestException:
        return None


# 解析網頁
def parse_one_page(html):
    pattern = re.compile('<dd>.*?board-index.*?>(\d+)</i>.*?data-src="(.*?)".*?name"><a'
                         '.*?>(.*?)</a>.*?star">(.*?)</p>.*?releasetime">(.*?)</p>.*?in'
                         'teger">(.*?)</i>.*?fraction">(.*?)</i>', re.S)

    items = re.findall(pattern, html)
    print(items)
    # 將解析的結果格式化
    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()


# 以offset作為引數，實現分頁抓取資料
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)

最終效果如下圖：