爬虫如何爬取猫眼电影TOP榜数据

十八岁夏至

爬虫是如何爬取猫眼电影TOP榜数据的。主要抓取的内容有排名、图片、电影名称、主演、上映时间和评分信息。在抓取之前，我们先打开猫眼电影TOP100页面，研究分析页面，查找我们需要的信息位置，然后抓取。

代码如下：

import json

import requests

from requests.exceptions import RequestException

import re

import time

def get_one_page(url):

1. try:
   
2.     headers = { 'User-Agent': 'agent信息'}
   
3.     response = requests.get(url, headers=headers)
   
4.     if response.status_code == 200:
   
5.         return response.text
   
6.     return None
   
7. except RequestException:
   
8.     return None

复制代码

def parse_one_page(html):

1. pattern = re.compile('<dd>.*?board-index.*?>(\d+)</i>.*?data-src="(.*?)".*?name"><a'
   
2.                      + '.*?>(.*?)</a>.*?star">(.*?)</p>.*?releasetime">(.*?)</p>'
   
3.                      + '.*?integer">(.*?)</i>.*?fraction">(.*?)</i>.*?</dd>', re.S)
   
4. items = re.findall(pattern, html)
   
5. for item in items:
   
6.     yield {
   
7.         'index': item[0],
   
8.         'image': item[1],
   
9.         'title': item[2],
   
10.         'actor': item[3].strip()[3:],
    
11.         'time': item[4].strip()[5:],
    
12.         'score': item[5] + item[6]
    
13.     }

复制代码

def write_to_file(content):

1. with open('result.txt', 'a', encoding='utf-8') as f:
   
2.     f.write(json.dumps(content, ensure_ascii=False) + '\n')

复制代码

def main(offset):

1. url = 'http://maoyan.com/board/4?offset=' + str(offset)
   
2. html = get_one_page(url)
   
3. for item in parse_one_page(html):
   
4.     print(item)
   
5.     write_to_file(item)

复制代码

if  name  == ' main ':

1. for i in range(10):
   
2.     main(offset=i * 10)
   
3.     time.sleep(1)

复制代码

通过上述代码，我们就可以获取到猫眼电影TOP榜数据信息了。