在學習了幾個常用的爬取包方法後，轉入爬取實戰。
爬取豆瓣電影早已是練習爬取的常用方式了，網上各種程式碼也已經很多了，我可能現在還在做這個都太土了，不過沒事，畢竟我也才剛入門……
這次我還是利用正則表示式進行爬取，怎麼說呢，有人說寫正則表示式很麻煩，很多人都不願意用正則表示式了，不過正則表示式是我第一個學習的爬取方式，也是我最有感覺的一種方法了，我也喜愛用這種方法，當然我現在的正則表示式寫的肯定還不是很漂亮、精簡，這個以後再去精益求精吧，當然，這裡的正則表示式也是我自己寫的，可能會有點醜，大家可以再去完善吧
言歸正傳，我這次爬取了豆瓣電影排行top250，共爬取了10頁電影資訊，並將這些爬取資訊進行簡單的資料清洗，最後寫入一個本地的txt檔案中。
其實我的這段程式碼可以爬取任意頁數的電影資訊，換句話說這裡的10可以隨心所欲的改，想爬多少是多少（我想這也是爬蟲的魅力所在啊），當然當然肯定不能超過上限啦~

話不多說啦，上我的碼，這個碼可真的是原創啊，自己寫的，尤其是正則表示式，改了很多次才有這個結果哦~堅決不做程式碼搬運工哦~

import requests
import re
p=0//列印頁碼
with open('mov.txt','w',encoding='utf-8') as f://寫入名為mov的txt檔案，由於我的檔案預設是GBK，所以這裡轉為utf-8
    for i in range(10)://這裡抓取前10頁
        url='https://movie.douban.com/top250?start='+str(i*25)//翻頁迴圈設定：通過對start賦值以25的倍數
        html=requests.get(url).text
 

        pattern=re.compile('<li.*?hd.*?title">(.*?)</span>.*?<p.*?>(.*?);&nbsp;&nbsp;(.*?)<br>(.*?)&nbsp;/&nbsp;(.*?)&nbsp;/&nbsp;(.*?)</p>.*?average">(.*?)</span>.*?inq">(.*?)</span>.*?</li>',re.S)//正則表示式的書寫
        results=re.findall(pattern,html)
        print
 
(results)//列印了一下
        list=str(results)    
        for st in results://由於結果為以元組為元素的列表，每個元組又包含6個元素，分別進行列印，同時運用strip()進行資料清洗，再加上換行符進行格式化儲存
            f.write(st[0]+'\n'+st[1].strip()+'\n'+st[2]+'\n'+st[3].strip()+'\n'+st[4]+'\n'+st[5].strip()+'\n'+'評分：'+st[6]+'\n--*---*---*---\n')
    f.close()

開啟txt：

最後還要附一個知識點：
我把爬取結果寫入txt檔案裡，由於新檔案的預設編碼是gbk，這樣的話，python直譯器會用gbk編碼去解析我們的網路資料流txt，然而txt此時已經是decode過的unicode編碼，這樣的話就會導致解析不了，出現上述問題。 解決的辦法就是，改變目標檔案的編碼：

複製程式碼程式碼如下:

f = open(“out.html”,”w”,encoding=’utf-8’)
注：參考自部落格園https://www.cnblogs.com/themost/p/6603409.html
謝謝這篇對我們學習很有用的部落格，希望我的部落格也能在之後，哪怕是某個深夜，對某顆求學的心，起到一點點幫助……….加油↖(^ω^)↗