爬虫入门：爬取猫眼电影TOP100

注意：该作者博客已迁移至https://buxianshan.xyz

参考《Python3网络爬虫开发实战》 作者：崔庆才

爬取结果

控制台输出：序号+电影名称+评分

同时保存完整信息到本地文件 result.txt

完整代码

import requests
import re
import json


def get_one_page(url):
    headers = {        
	'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.100 Safari/537.36',
    }
    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    
    )
    items = re.findall(pattern, html)
    for item in items:
        yield{            
            'index':item[0],
            'image':item[1],
            'title':item[2].strip(),
            'actor':item[3].strip()[3:] if len(item[3]) > 3 else '',
            'time':item[4].strip()[5:] if len(item[4]) > 5 else '',
            'score':item[5].strip() + item[6].strip()
            }


def write_to_file(content):
    with open('result.txt', 'a', encoding='utf-8') as f:        
        # print(type(json.dumps(content)))
        f.write(json.dumps(content, ensure_ascii=False) + '\n')


def main(offset):
    url = 'https://maoyan.com/board/4?offset=' + str(offset)
    html = get_one_page(url)
    for item in parse_one_page(html):
        print(item['index'] + '《' + item['title'] + '》 ' + '评分：' + item['score'])
        write_to_file(item)


if __name__=="__main__":
    for i in range(10):
        main(offset=i*10)