爬虫基本库request使用—爬取猫眼电影信息

　　使用request库和正则表达式爬取猫眼电影信息。

1.爬取目标

　　猫眼电影TOP100的电影名称，时间，评分，等信息，将结果以文件存储。

2.准备工作

　　安装request库。

3.代码实现

 import json
 import requests
 from requests.exceptions import RequestException
 import re
 import time

 def get_one_page(url):
     try:
         headers = {
             'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.110 Safari/537.36'
         }
         response = requests.get(url, headers=headers)
         if response.status_code == 200:
             return response.text
         return None
     except RequestException:
         return None

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

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

 if __name__ == '__main__':
     for i in range(10):
         main(offset=i * 10)
         time.sleep(2)