Python 爬取貓眼電影最受期待榜

2022-05-17 08:59:04 字數 1605 閱讀 4014

主要爬取貓眼電影最受期待榜的電影排名、鏈結、名稱、主演、上映時間。

思路：1.定義乙個獲取網頁源**的函式；

2.定義乙個解析網頁源**的函式；

3.定義乙個將解析的資料儲存為本地檔案的函式；

4.定義主函式；

5.使用多程序爬取。

import


requests


import


reimport


json


from multiprocessing import


pool


from requests.exceptions import requestexception
步驟二：定義獲取網頁源**的函式，這裡使用 requests.get() 方法來獲取，並呼叫異常處理方法：

def


get_one_page(url):


response =requests.get(url)


try:


if response.status_code == 200:


return


response.text


return


none


except


requestexception:


return none
步驟三：定義乙個函式，利用正規表示式 re.findall() 等函式解析網頁源**，並利用 yield 生成器對解析的**進行排布，轉換為字典形式：

def


parse_one_page(html):


pattern = re.compile('


.*?board-index.*?">(\d+).*?data-src="(.*?)".*?.*?


' + '


(.*?).*?star">(.*?)


.*?releasetime">(.*?)


.*?'


, re.s)


items =re.findall(pattern, html)


for item in


items:


yield
步驟四：定義主函式，爬取最受期待榜的 n 頁：

def


main(offset):


url = '


' +str(offset)


html =get_one_page(url)


for item in


parse_one_page(html):


print


(item)


write_one_page(item)
步驟五：多程序爬取，定義程序池，並呼叫 pool.map() 方法進行多程序爬取，提高爬取效率：

if


__name__ == "


__main__":


pool =pool()


pool.map(main, [i*10 for i in range(10)])
爬取的部分資料如下：

Python爬取貓眼電影

不多說，直接上 import requests import re import random import pymysql import time 連線資料庫 db pymysql.connect host localhost port 3306,user root passwd a db pyt...

爬取貓眼電影

有乙份工作需要我列出兩個電影院的每天電影排期資訊，我不想每次都要去貓眼上覆制貼上。所以做了個爬蟲 功能 能夠知道每天的電影排期資訊 使用限制 只能在當天使用，不能在前一晚上使用，後面我會再考慮修改 coding utf 8 import requests import re from bs4 imp...

python爬取貓眼電影排行

完整的 如下在這裡 閒著沒事，把解析html中的正則方法改用了xpath與beautifulsoup，只能說各有各的優點吧。正則的話，提取資訊可以連貫，一次性提取出所有需要的資訊，當然前提是你的正則式子沒有寫錯，所以說正則寫起來相比xpath與beautifulsoup來說要複雜一下，提取出錯後，除...