python3通过正则抓取猫眼前100电影

import json

import requests

import re

import time

from requests.exceptions import RequestException

def get_one_page(url):

    headers = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/66.0.3359.117 Safari/537.36'

}

    response = requests.get(url,headers=headers)

    if response.status_code == 200:

        return response.text

    return None

def parse_one_page(html):

    pattern = re.compile('.*?board-index.*?>(.*?).*?data-src="(.*?)".*?alt="(.*?)".*?>.*?.*?star.*?>(.*?).*?releasetime.*?>(.*?).*?integer.*?>(.*?).*?fraction.*?>(.*?).*?',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('result.txt','a',encoding='utf-8') as f:

            print(type(json.dumps(content)))

            f.write(json.dumps(content,ensure_ascii=False)+'\n')

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(offset=i * 10)

          time.sleep(1)

这里就是显示的部分内容。

刚开始正则匹配的时候，最好能够一小段一小段的匹配，与网页源代码对照，提取自己需要的内容。代码排版较乱，直接复制过去是无法成功的。