python战反爬虫：爬取猫眼电影数据 (一）
非常荣幸邀请到 赛迪人工智能大赛（简称AI世青赛）全球总决赛银奖的获得者 隋顺意 小朋友为本公众号投稿，隋小朋友虽然小小年纪，但编程能力已经比大多数大学生强非常多了，欢迎大家关注，捧场。
姓名：隋顺意
CSDN博客：Suidaxia
微信名：世界上的霸主
本篇文章未涉及猫眼反爬，主要介绍爬取无反爬内容，战反爬内容请去
python战反爬虫：爬取猫眼电影数据 (二）（https://blog.csdn.net/Sui_da_xia/article/details/106051519 ）
欢迎加声明转载，下载使用
前言：
如今，所有人无时无刻在使用互联网。它就像一张大网，将所有人联系在一起。而总有些可恶的刺头，只让他人看他的内容，不把他的数据给大家用。
正因为如此，我们有了伟大的爬虫工程师，他们手持利剑，突破刺头设置的重重难关，获取数据。今天，就让我们一起，共同大战“猫眼电影”设置的障碍吧！
获取初步信息：
我们这次爬取的是猫眼电影前100名排行榜，网址：https://maoyan.com/board/4?
导入python的各种库：
import requests as req
import re
from bs4 import BeautifulSoup as bs
import time as ti
若是没有以上的requests和bs4，请先安装。只需在终端输入:
pip install requests
pip install bs4
先试试直接get页面：
url = "https://maoyan.com/board/4?"
res = req.get(url)
print(res.status_code)
print(res.text)
我们会发现状态是，200，但是text却是一堆乱码，很不巧，遇到了第一个障碍，也是最容易解决的。只需要加上headers即可：
url = "https://maoyan.com/board/4?"
header = {
"User-Agent" : "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.122 Safari/537.36",
}
res = req.get(url,headers = header)
print(res.status_code)
print(res.text)
至于获取headers，可以在浏览器输入栏里输入 about:version，找到用户代理那一栏即可。
解析：
我们可以使用BeautifulSoup和正则表达式（re）我们先看看我们在这一页面可以爬取到什么信息：
我是用绿框标出我们这页课爬取的信息：排行，片名，主演，分数，上映时间。按下F12，打开开发者工具，查找相应的位置。
利用正则表达式和解析库BeautifulSoup，取出内容：
num = i.find("i").text #排行
name = i.find("a").get("title") #片名
actor = re.findall("主演：(.*)",i.find("p",class_ = "star").text)[0] #主演
when = re.findall("上映时间：(.*)",i.find("p",class_ = "releasetime").text)[0] #上映时间
score = i.find("i",class_ = "integer").text + i.find("i",class_ = "fraction").text #评分
#这种取变量名的习惯极其不好，期望大家更改
但是这样依旧获取的信息太少，不足以满足需求。为了进一步的爬取信息，我们可以到每一部电影的详细信息里查看。先用解析库和正则表达式把网址抠出来：
url1 = "https://maoyan.com" + i.find("p",class_ = "name").a.get("href")
把获取页面的函数整理一下，获取详细信息的页面：
def link(url):
header = {
"User-Agent" : "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.122 Safari/537.36",
}
res = req.get(url,headers = header)
if res.status_code == 200:
return bs(res.text,"lxml")
return None
movie = link(url1)
print(movie)
但是，你不觉得对于返回的东西太奇怪了吗？
去 python战反爬虫：爬取猫眼电影数据 (二）（Requests, BeautifulSoup, MySQLdb,re等库) 吧（https://blog.csdn.net/Sui_da_xia/article/details/106051519）
后记：
完结了？不，还早着呢!
那下文在哪里呢？看后文之前，要做好与反爬虫斗争的准备。
在下一篇文章：python战反爬虫：爬取猫眼电影数据 (二）（Requests, BeautifulSoup, MySQLdb,re等库) 将会谈论到两道猫眼电音为我们设计的反爬：美团拦截，及多页面爬取。他们都是可恶的反爬虫师，为伟大的爬虫勇士准备着的。
（至于美团的字体加密，会在python战反爬虫：爬取猫眼电影数据 (三）（Requests, BeautifulSoup, MySQLdb,re等库) 谈论到）
附上作者的赞赏码！欢迎大家支持！
本文完！！！
欢迎关注，更精彩的内容等着你！
点击阅读原文，为作者博客捧场！