码迷,mamicode.com
首页 > 编程语言 > 详细

Python爬取猫眼top100排行榜数据【含多线程】

时间:2017-08-09 20:06:52      阅读:262      评论:0      收藏:0      [点我收藏+]

标签:src   style   integer   pen   item   color   pre   name   mpi   


# -*- coding: utf-8 -*-
import requests
from multiprocessing import Pool
from requests.exceptions import RequestException
import re
import json


def get_one_page(url):
    """
    爬取每个页面
    :param url: 爬取url地址
    :return: 返回网页内容
    """
    try:
        response = requests.get(url)
        if response.status_code == 200:
            return response.text
        return None
    except RequestException:
        return None


def parse_one_page(html):
    """
    处理筛选网页内容中需要的信息
    :param html: 网页内容
    :return: 字典
    """
    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):
    """
    将结果数据写入文件
    :param content: 需要写入文件的内容
    :return: 
    """
    with open(result.txt, a, encoding=utf-8) as f:
        f.write(json.dumps(content, ensure_ascii=False) + "\n")
        f.close()


def main(offset):
    """
    主函数
    :param offset: offset值,用于构造url
    :return: 
    """
    url = "http://maoyan.com/board/4?offset=" + str(offset)
    html = get_one_page(url)
    parse_one_page(html)
    for item in parse_one_page(html):
        print(item)
        write_to_file(item)

if __name__ == __main__:
    # for i in range(10):
    #     main(i*10)
    pool = Pool()
    pool.map(main, [i*10 for i in range(10)])

 

【来自天善智能】:https://edu.hellobi.com/course/156/play/lesson/2453

 

崔大师的代码看着就是舒服。。。。

 

Python爬取猫眼top100排行榜数据【含多线程】

标签:src   style   integer   pen   item   color   pre   name   mpi   

原文地址:http://www.cnblogs.com/zhzhang/p/7327115.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!