(python3爬虫实战-第一篇）利用requests+正则抓取猫眼电影热映口碑榜

---

今天是个值得纪念了日子，我终于在博客园上发表自己的第一篇博文了。作为一名刚刚开始学习python网络爬虫的爱好者，后期本人会定期发布自己学习过程中的经验与心得，
希望各位技术大佬批评指正。以下是我自己做的一个小爬虫，用到了爬虫的基本知识requests库+正则表达式库，最后将爬取到的结果存入日志result.txt,推荐给刚刚开始学习的小白们，
学不可以已，积土成山，风雨兴焉，希望我们共同进步！

 1 #author: "xian"
 #date: 2018/5/2
 import requests #导入requests库
 from requests.exceptions import RequestException #导入异常处理模块 具体见官网
 import re #导入re模块
 import json #导入json模块
　　#import 

 def get_one_page(url): #获取单个页面，RequestException用来捕获异常
     headers = {
         'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/66.0.3359.139 Safari/537.36',

     } #maoyan要求headers
     try:
         response = requests.get(url,headers = headers)
         if response.status_code == 200:
             return response.text
         else:
             return None
     except RequestException:
         return None

 def parse_one_page(html): #利用正则解析单个页面
     pattern = re.compile('<dd>.*?board-index.*?>(\d+)</i>.*?data-src="(.*?)"'
                          +'.*?name"><a.*?>(.*?)</a>.*?star">(.*?)</p>.*?releasetime">(.*?)</p>'
                           +'.*?integer">(.*?)</i>.*?fraction">(\d+)</i>.*?</dd>',re.S) #生成一个正则表达式对象供后面调用

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

         } 

 1 def write_to_file(content):#写入日志result.txt,其中encoding 和 ensure_ascii 解决编码问题，当然你也可以使用codecs模块
     with open('result.txt','a',encoding='utf8') as f:
         f.write(json.dumps(content,ensure_ascii=False) +'\n')#json.dumps为了将内容转成json字符串
         f.close()

 def main():#主函数
     url = 'http://maoyan.com/board'
     html = get_one_page(url)
     for item in parse_one_page(html):
         print(item)
         write_to_file(item)

 if __name__ == '__main__':
     main()#解决战斗，妈妈再也不用担心我的学习了！

部分运行效果图：