爬取貓眼TOP100

學完正則的乙個小例子就是爬取貓眼排行榜top100的所有電影資訊

看一下網頁結構：

可以看出要爬取的資訊在標籤和標籤中間

正規表示式如下：

pattern=re.compile('.*?board-index.*?>(.*?).*?data-src="(.*?)".*?name.*?a.*?>'

+'(.*?).*?star">(.*?)
' +'.*?releasetime">(.*?)
.*?integer">(.*?)'
+'.*?fraction">(.*?)
.*?',
re.s)

import requests

import re
import time
import json
def get_one_page(url):
headers=
response=requests.get(url,headers=headers)
if response.status_code==200:
return response.text
return none
def parse_one_page(html):
pattern=re.compile('.*?board-index.*?>(.*?).*?data-src="(.*?)".*?name.*?a.*?>'
+'(.*?).*?star">(.*?)
' +'.*?releasetime">(.*?)
.*?integer">(.*?)'
+'.*?fraction">(.*?)
.*?',
re.s)
'''pattern = re.compile('.*?board-index.*?>(\d+).*?data-src="(.*?)".*?name">(.*?).*?star">(.*?)
.*?releasetime">(.*?)
' + '.*?integer">(.*?).*?fraction">(.*?).*?', re.s)
'''items = re.findall(pattern, html)
for item in items:
yield 
def write_to_file(content):
with open('movie.txt','a',encoding='utf-8') as f:
f.write(json.dumps(content,ensure_ascii=false)+'\n')
def main(offset):
url=''+str(offset)
html=get_one_page(url)
#print(html)
for item in parse_one_page(html):
print(item)
#write_to_file(item)
if __name__ == '__main__':
for i in range(10):
main(offset=i*10)
time.sleep(1)

然後仔細的和書上的正則匹配，才發現有的地方寫錯了，通過這個例子，我們可以知道，正規表示式真的麻煩。。。。

也好難寫。

執行結果：

最後還將資料儲存在本地，，

爬取貓眼top100

導入庫 json用於讀取和寫入檔案 requests請求html requestexception用於獲取requests錯誤 time定義時間 re正規表示式 import json import requests from requests.exceptions import requestex...

爬蟲 爬取貓眼TOP100

原文崔慶才 python3網路爬蟲實戰 目標 熟悉正規表示式，以及爬蟲流程 獲取貓眼top100榜單 1 分析 目標站點為需要獲取 top100榜單的影片名稱 主演 上映時間 地區 評分等資訊都直接顯示在network對應的response中，可解析對應的html進行獲取。且從第1頁到第二頁，url...

小白回顧 爬取貓眼Top100

昨天寫的乙個爬蟲基礎課程爬取貓眼top100，今天分享一下 爬取貓眼top100 先導入import requests庫 html request.get url 這個函式可以獲取url裡面的內容 我們可以輸出html.text檢測一下 print html.text 這裡可能會出現錯誤，所以我們要...