Python爬虫学习笔记之抓取猫眼的排行榜
2024-08-25 15:34:28
代码:
import json
import requests
from requests.exceptions import RequestException
import re
import time def get_one_page(url):
try:
headers = {
'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.162 Safari/537.36'
}
response = requests.get(url, headers=headers)
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('result.txt', 'a', encoding='utf-8') as f:
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)
结果:
最新文章
- C#线程同步手动重置事件——ManualResetEvent
- 响应式布局 Bootstrap
- Realm简单使用小记
- Web程序的桌面提醒
- [汇编] 将字符串里的一个&#39;&;&#39;字符换成空格
- PHP文件操作 之统计目录大小
- 移动端下拉刷新,iScroll.js用法(转载)
- how to change the AlexNet into FCNs ?
- MyEcpilise引入Maven项目目录不正常,无JRE,无Maven Dependencies
- javascript XMLHttpRequest对象全面剖析
- 0x3f3f3f3f...编程中无穷大常量的设置技巧
- CloudStack全局配置參数
- angular2 学习笔记 ( 第3方插件 jQuery and ckeditor )
- day12-(jsp&;el&;jstl)
- 非对称加密算法-RSA算法
- !!代码:baidu 分享
- linux及安全第三周总结——跟踪分析LINUX内核的启动过程
- windows Git Bash 无法运行python解决方法
- gdal source code c++ make windows
- 修改电脑自动休眠时间win10