码迷,mamicode.com
首页 > 编程语言 > 详细

Python-爬虫-基本库(requests)使用-抓取猫眼电影Too100榜

时间:2018-12-28 18:31:10      阅读:228      评论:0      收藏:0      [点我收藏+]

标签:init   alt   port   5.0   pattern   ati   for   pytho   win   

 1 #抓取猫眼电影,https://maoyan.com/board/4 榜单电影列表
 2 import requests
 3 import re
 4 from  requests.auth import HTTPBasicAuth
 5 
 6 #定义爬虫工具类
 7 class SpiderTools():
 8     def __init__(self):
 9         super(SpiderTools, self).__init__()
10     #抓取首页信息
11     def load_onePage(self,url):
12         self.headers={
13             Host:maoyan.com,
14             Accept:text / html, application / xhtml + xml, * / *,
15             User-Agent: Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:64.0) Gecko/20100101 Firefox/64.0
16         }
17         res=requests.get(url,headers=self.headers)
18         #print(res.text)
19         #解析获取电影名称排行,名称,图片地址,主演,上映时间
20         pattern=re.compile(<dd>.*?board-index.*?>(.*?)</i>.*?<p class="name".*?><a.*?>(.*?)</a>.*?<img data-src="(.*?)".*?>.*?<p class="star">(.*?)</p>.*?<p class="releasetime">(.*?)</p>,re.S)
21         result=re.findall(pattern,res.text)
22         #将数据创建字典
23         #print(result0)
24         items=[]
25         for i in result:
26             dict={
27               "order":i[0],
28               "name":i[1],
29               "imageURL":i[2],
30               "auth":i[3].strip(),#strip去掉前后换行符合空格
31               "time":i[4]
32             }
33             items.append(dict)
34         return items
35 
36 
37 
38 if __name__=="__main__":
39     spider=SpiderTools()
40     i=0
41     while True:
42         items = spider.load_onePage(https://maoyan.com/board/4?offset=%d%(i))
43         i=i+10
44         if not len(items):
45             break;
46         print(i,items)

技术分享图片

 

Python-爬虫-基本库(requests)使用-抓取猫眼电影Too100榜

标签:init   alt   port   5.0   pattern   ati   for   pytho   win   

原文地址:https://www.cnblogs.com/ygzhaof/p/10192030.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!