美文网首页
2019.10.09 猫眼电影爬虫

2019.10.09 猫眼电影爬虫

作者: 小楼主 | 来源:发表于2019-10-09 22:25 被阅读0次
    import json
    from multiprocessing import Pool
    import requests
    import re
    from requests.exceptions import RequestException
    
    
    # 定义一个函数获取网页的内容
    def get_one_page(url):
        try:
            headers = {
                'user-agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36'}
            # 尽量加上header:进入网页后右键检查,选择network,Ctrl+R后随便选一个文件即可获得header
            response = requests.get(url, headers=headers)
            if response.status_code == 200:
                return response.text
            # 判断是否正常获得网页内容
            return None
        except RequestsException:
            return None
    
    # 定义一个函数获取我们想要的内容的文件,使用正则表达式
    def parse_one_page(html):
        pattern = re.compile('<dd>.*?board-index.*?>(\d+)</i>.*?data-src="(.*?)".*?movie-item-info.*?title="(.*?)".*?'
                             + 'star">(.*?)</p>.*?releasetime">(.*?)</p>.*?score-num.*?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]
            }
    
    # 定义一个函数将文件写出
    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()
    
    # 实现翻页功能
    def main(offset):
        url = 'https://maoyan.com/board/4?offset=' + str(offset)
        html = get_one_page(url)
        parse_one_page(html)
        for item in parse_one_page(html):
            write_to_file(item)
    
    
    if __name__ == '__main__':
        pool = Pool()
        pool.map(main, [i * 10 for i in range(10)])
    

    相关文章

      网友评论

          本文标题:2019.10.09 猫眼电影爬虫

          本文链接:https://www.haomeiwen.com/subject/pasnpctx.html