Python实战：Python爬虫学习教程，获取电影排行榜

Python应用现在如火如荼，应用范围很广。因其效率高开发迅速的优势，快速进入编程语言排行榜前几名。本系列文章致力于可以全面系统的介绍Python语言开发知识和相关知识总结。希望大家能够快速入门并学习Python这门语言。

本文是在前一部分Python基础之上程序员带你十天快速入门Python,玩转电脑软件开发（四），再次进行的Python爬虫实战课程。

正则表达式实例简单详解

正则表达式干什么用？ 就是在字符串中提取我们需要的内容的。

记得哦，要先引用正则表达式模块的哦。

re就是正则表达式相关的模块

实例一、

运行结果：

为了更加区分并铭记正则表达式。我们看一下其他元字符的效果：

元字符"+"的使用

元字符"?的使用"

？表示前面的字符必须出现一次或者多次。

其他的一些元字符建议大家根据课程程序员带你十天快速入门Python,玩转电脑软件开发（四）进行测试，查看效果。

findall和search的区别

findall：

根据运行结果可以发现：fingall可以匹配出所有的结果并返回集合。而search只能够匹配一个结果，当search时从左往右发现有一个结果时就直接返回了。

如果你仔细查看的话发现，search还有一个重载。例如我们可以这样写

但此时结果却没有任何变化。

so 这个参数是什么呢？ 其实这是个设置是否匹配换行的标志。如果加上re.S就表示可以匹配换行。不写参数默认不匹配换行的。比如：

很明显，如果匹配中间有换行的话，不加re.S就没法匹配了。

sub的使用

根据运行结果可以得出：sub函数是替换函数。他可以把匹配的内容进行替换掉并返回新替换完毕的字符串。

爬虫程序

众所周知，所有的网页都是通过html代码编写而成的，可以说是一个文本文件，根据渲染模型从而产生了多姿多彩的网页。

我们将要做的项目就是捕捉百度风云榜实施热搜榜单的全部电影。得到火热的电影。也就是下面的部分

这个网页也是由html编写而成的。打开微博热搜。在网页空白处点击右键就可以看到网页源代码。

你会发现整个html代码非常复杂。所以我们这边就使用一个神器：开发人员工具。

网页空白处点击右键审查元素

然后选择实时热搜里面的内容。下方就会自动定位到你所选择的代码了。

我们查看一下实时热搜这几个标签有什么规律：

我们可以看到我们想要的热搜的内容都是如下结构：

<a target="_blank" title="标题" data="26|26" class="list-title" href="链接" href_top="说明">电影名称</a>

所以我们就可以按照如上内容写正则表达式，然后在html源代码中匹配出来电影名称就可以了

我们正则表达式可以这样写

<a target="_blank" title=".+?" data="26|26" class="list-title" href=".+?" href_top=".*?">.*?</a>

其中我们用到了一个python网络请求的框架。这个框架默认是没有的。我们需要进行安装的。

1. 下载requests模块，（大家可以加入QQ群:538742639获取）

2. 安装requests模块

1. 解压模块文件并打开kennethreitz-requests-3314259文件夹

2. 

3. 按住键盘shift键，在空白区域右键点击-在此处打开命令窗口

4. 输入以下指令：python setup.py install

5. 点击回车即可安装。此时就可以导入requests模块了

至此一个简单的获取热门电影的爬虫小程序开发完成。

下节课我们学习更高效率更快速度的多线程爬虫。

请关注下节教程。

关注-做全栈攻城狮获取最新资讯。写代码也要读书，爱全栈，更爱生活。程序员不止会写代码，好智商，高情商，我们的选择。

这是python开发学习的系列课程，除今日头条之外。我们在 一点资讯、搜狐媒体平台，QQ公众平台、微信公众平台。企鹅媒体平台、UC订阅平台、百度发布平台也有文章教程发布。大家也可以关注。账号名称都是做全栈攻城狮

感谢点击关注：今日头条。 大家也可以加QQ群：538742639，一起努力，互相激励。500多个技术大牛等着你。

下篇文章：Python实战：美女图片下载器，海量图片任你下载