标签：x64 from webkit src net compile mpi ase 调用
python使用正则抓取数据
今天主要学习了python使用正则抓取网页数据。
首先这是正则的几个步骤：
1、用import re 导入正则表达式模块；
2、用re.compile()函数创建一个Regex对象；
3、用Regex对象的search()或findall()方法，传入想要查找的字符串，返回一个Match对象；
4、调用Match对象的group()方法，返回匹配到的字符串
import requests
from requests.exceptions import RequestException
import re
import json
from multiprocessing import Pool
# 获取单个页面
def get_one_page(url):
try:
# 添加头部信息
headers = {
‘User-Agent‘: ‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.162 Safari/537.36‘
}
response = requests.get(url, headers=headers)
# 进行状态码判断，是否正确读取到网页
if response.status_code == 200:
return response.text
return None
except RequestException:
return None
# 解析网页
def parse_one_page(html):
pattern = re.compile(‘<dd>.*?board-index.*?>(\d+)</i>.*?src="(.*?)".*?name"><a‘
+‘.*?>(.*?)</a>.*?star">(.*?)</p>.*?releasetime">(.*?)</p>‘
+‘.*?integer">(.*?)</i>.*?fraction">(.*?)</i>.*?</dd>‘, re.S)
items = re.findall(pattern, html)
# print(items)
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]
}
# 将抓取的内容保存到文件
def write_to_file(content):
with open(‘result.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)
# print(html)
# parse_one_page(html)
for item in parse_one_page(html):
print(item)
write_to_file(item)
if __name__ == ‘__main__‘:
pool = Pool()
pool.map(main, [i*10 for i in range(10)])
# for i in range(10):
# main(i*10)
代码和数据转载自CSDN：https://blog.csdn.net/whjkm/article/details/80846544
标签：x64 from webkit src net compile mpi ase 调用
原文地址：https://www.cnblogs.com/ljm-zsy/p/12312935.html
