码迷,mamicode.com
首页 > 其他好文 > 详细

正则表达式爬取猫眼电影

时间:2019-12-25 16:22:13      阅读:97      评论:0      收藏:0      [点我收藏+]

标签:board   sci   tar   pool   data   rac   tor   main   mpi   

正则表达式爬取猫眼电影Top100

import requests
import re,json
from multiprocessing import Pool

def get_one_page(url):
    response = requests.get(url)
    return response.text

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(maoyan.txt,a,encoding=utf-8) as f:
        f.write(json.dumps(content,ensure_ascii=False) + \n)
        f.close()

def main(offset):
    url = http://maoyan.com/board/4?offset= + str(offset)
    html = get_one_page(url)
    for item in parse_one_page(html):
        write_to_file(item)

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

 

正则表达式爬取猫眼电影

标签:board   sci   tar   pool   data   rac   tor   main   mpi   

原文地址:https://www.cnblogs.com/gaidy/p/12096797.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!