当前位置: 澳门新濠3559 > 编程 > 正文

正则表达式爬取猫眼电影Top100

时间:2019-11-29 05:50来源:编程
正则表达式爬取猫眼电影Top100。正则表达式爬取猫眼电影Top100 import requestsimport re,jsonfrom multiprocessing import Pooldef get_one_page(url): response = requests.get(url) return response.textdef parse_one_page(html):

正则表达式爬取猫眼电影Top100。正则表达式爬取猫眼电影Top100

import requests
import re,json
from multiprocessing import Pool

def get_one_page(url):
    response = requests.get(url)
    return response.text

def parse_one_page(html):
    pattern = re.compile('<dd>.*?board-index.*?>(d+)</i>.*?data-src="(.*?)".*?name"><a'
                         +'.*?>(.*?)</a>.*?star">(.*?)</p>.*?releasetime">(.*?)</p>'
                          +'.*?integer">(.*?)</i>.*?fraction">(.*?)</i>.*?</dd>',re.S)

    items = re.findall(pattern,html)
    for item in items:
        yield {
            'index':item[0],
            'image':item[1],
            'title':item[2],
            'actor':item[3].strip()[3:],
            'time':item[4].strip()[5:],
            'score':item[5]+item[6]
        }

def write_to_file(content):
    with open('maoyan.txt','a',encoding='utf-8') as f:
        f.write(json.dumps(content,ensure_ascii=False) + 'n')
        f.close()

def main(offset):
    url = 'http://maoyan.com/board/4?offset=' + str(offset)
    html = get_one_page(url)
    for item in parse_one_page(html):
        write_to_file(item)

if __name__ == '__main__':
    # for i in range(10):
    #     main(i*10)
    #使用进程池
    pool = Pool()
    pool.map(main,[i*10 for i in range(10)])

 

编辑:编程 本文来源:正则表达式爬取猫眼电影Top100

关键词:

  • 上一篇:没有了
  • 下一篇:没有了