爬取猫眼电影Top100榜


猫眼电影网址

1、分析要抓取的内容

在这里插入图片描述

2、抓取首页,正则匹配需要的内容

import requests
import re
from fake_useragent import UserAgent
baseurl = 'https://maoyan.com/board/4?offset=0'
headers = {
    'User-Agent': UserAgent(use_cache_server=False).random
}
respones=requests.get(baseurl,headers=headers)
pattern = re.compile('<dd>.*?board-index.*?(\d+)</i>.*?alt.*?src="(.*?)"'
                         + '.*?name"><a.*?>(.*?)</a>.*?star">(.*?)</p>.*?releasetime">(.*?)</p>'
                         + '.*?integer">(.*?)</i>.*?fraction">(.*?)</i>.*?</dd>', re.S)
items=re.findall(pattern,respones.text)
print(items)

3、将爬取到的内容写入文件

with open ('movies.txt','a',encoding='utf-8') as f:
        f.write(json.dumps(items,ensure_ascii=False))

4、整合代码并进行分页爬取

完整代码

import requests
import re
from fake_useragent import UserAgent
import json
import time


def get_info(baseurl):
    respones = requests.get(baseurl, headers=headers)
    pattern = re.compile('<dd>.*?board-index.*?(\d+)</i>.*?alt.*?src="(.*?)"'
                         + '.*?name"><a.*?>(.*?)</a>.*?star">(.*?)</p>.*?releasetime">(.*?)</p>'
                         + '.*?integer">(.*?)</i>.*?fraction">(.*?)</i>.*?</dd>', re.S)
    items = re.findall(pattern, respones.text)
    for item in items:
        print(item)
    return items


def save_info(items):
    with open('movies.txt', 'a', encoding='utf-8') as f:
        f.write(json.dumps(items, ensure_ascii=False))


if __name__ == '__main__':
    baseurl = 'https://maoyan.com/board/4?offset='
    headers = {
        'User-Agent': UserAgent(use_cache_server=False).random
    }
    pattern = re.compile('<dd>.*?board-index.*?(\d+)</i>.*?alt.*?src="(.*?)"'
                         + '.*?name"><a.*?>(.*?)</a>.*?star">(.*?)</p>.*?releasetime">(.*?)</p>'
                         + '.*?integer">(.*?)</i>.*?fraction">(.*?)</i>.*?</dd>', re.S)
    for i in range(10):
        save_info(get_info(baseurl+str(i*10)))
        time.sleep(1)  # 由于猫眼反爬虫机制,加入休眠函数让爬取速度不要太快

评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值