【Python】Requests+正則表示式 爬取貓眼電影TOP100
阿新 • • 發佈:2019-02-09
1.先獲取到一個頁面,狀態碼200是成功返回
def get_one_page(url):
# 獲取一個頁面
try:
response = requests.get(url)
if response.status_code == 200:
return response.text
return None
except RequestException:
return None
2.解析一個頁面,先建立一個正則表示式物件,接著進行正則匹配,然後通過鍵值對形式儲存
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] }
3.寫入檔案中,encoding=”“和ensure_ascii=''“用來儲存中文字元
def write_to_file(content):
with open('Top100.txt', 'a', encoding='utf-8') as f:
f.write(json.dumps(content, ensure_ascii=False)+'\n')
f.close()
最後附上完整的原始碼
import json import requests from requests.exceptions import RequestException import re from multiprocessing import Pool def get_one_page(url): # 獲取一個頁面 try: response = requests.get(url) if response.status_code == 200: return response.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('Top100.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__": pool = Pool() pool.map(main, [i*10 for i in range(10)])
注:由於使用了執行緒池,因此不一定按順序儲存。但是速度上快了許多,如果對速度要求不高,期望按順序儲存可以不使用執行緒池,直接呼叫main(offset)方法即可!附上效果圖: