码迷,mamicode.com
首页 > 其他好文 > 详细

爬虫练习 | 爬取猫眼电影Top100

时间:2018-12-09 17:53:07      阅读:276      评论:0      收藏:0      [点我收藏+]

标签:date   tar   gecko   windows   pil   dump   ==   tps   items   

#coding=utf-8
_date_ = 2018/12/9 16:18
import requests
import re
import json
import time
def get_one_page(url):

    headers={
    User-Agent:Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.110 Safari/537.36
    }
    reg=requests.get(url,headers=headers)
    if reg.status_code==200:
        return reg.text
    else:
        print(出错了)
def write_to_file(conments):
    with open(page.text,a,encoding=utf-8)as a:
        a.write(json.dumps(conments,ensure_ascii=False)+\n)

def parse_one_page(html):
    r=re.compile(<dd>.*?board-index.*?>(.*?)</i>.*?data-src="(.*?)".*?name.*?a.*?>(.*?)</a>.*?star.*?>(.*?)</p>.*?releasetime.*?>(.*?)</p>.*?"integer.*?>(.*?)</i>.*?"fraction.*?>(.*?)</i>.*?</dd>,re.S)
    items=re.findall(r,html)
    for item in items:
        yield {
            index:item[0],
            image:item[1],
            name:item[2],
            star:item[3].strip(),
            time:item[4].strip(),
            score:item[5]+item[6]
        }

if __name__ == __main__:
    for i in range(0,10):
        url=https://maoyan.com/board/4?offset={}.format(i*10)
        html=get_one_page(url)
        content=parse_one_page(html)
        for i in content:
            write_to_file(i)
        time.sleep(1)

 

爬虫练习 | 爬取猫眼电影Top100

标签:date   tar   gecko   windows   pil   dump   ==   tps   items   

原文地址:https://www.cnblogs.com/404NooFound/p/10092210.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!