python正則表達(dá)式如何爬取貓眼電影top100-創(chuàng)新互聯(lián)

這篇文章主要為大家展示了“python正則表達(dá)式如何爬取貓眼電影top100”，內(nèi)容簡(jiǎn)而易懂，條理清晰，希望能夠幫助大家解決疑惑，下面讓小編帶領(lǐng)大家一起研究并學(xué)習(xí)一下“python正則表達(dá)式如何爬取貓眼電影top100”這篇文章吧。

創(chuàng)新互聯(lián)的客戶來(lái)自各行各業(yè)，為了共同目標(biāo)，我們?cè)诠ぷ魃厦芮信浜?，從?chuàng)業(yè)型小企業(yè)到企事業(yè)單位，感謝他們對(duì)我們的要求，感謝他們從不同領(lǐng)域給我們帶來(lái)的挑戰(zhàn)，讓我們激情的團(tuán)隊(duì)有機(jī)會(huì)用頭腦與智慧不斷的給客戶帶來(lái)驚喜。專業(yè)領(lǐng)域包括成都做網(wǎng)站、網(wǎng)站建設(shè)、電商網(wǎng)站開(kāi)發(fā)、微信營(yíng)銷、系統(tǒng)平臺(tái)開(kāi)發(fā)。

用正則表達(dá)式爬取貓眼電影top100，具體內(nèi)容如下

#!/usr/bin/python 
# -*- coding: utf-8 -*- 
 
import json  # 快速導(dǎo)入此模塊：鼠標(biāo)先點(diǎn)到要導(dǎo)入的函數(shù)處，再Alt + Enter進(jìn)行選擇 
from multiprocessing.pool import Pool #引入進(jìn)程池 
 
import requests 
import re 
import csv 
from requests.exceptions import RequestException #引入異常 
 
## 正確保存，無(wú)丟失 
 
# 請(qǐng)求一個(gè)頁(yè)面返回響應(yīng)內(nèi)容 
#以《霸王別姬》為列，右擊—查看元素—會(huì)顯示一個(gè)網(wǎng)頁(yè)信息 
def get_one_page(url,offset): 
 try: 
  response=requests.get(url=url,params={"offset":offset}) 
  if response.status_code==200: #由狀態(tài)碼判斷返回結(jié)果，200表示請(qǐng)求成功，300,500表出錯(cuò) 
   return response.text #返回網(wǎng)頁(yè)內(nèi)容 
  else:return None 
 except RequestException as e: 
   return None 
 
# 解析一個(gè)頁(yè)面 
def parse_one_page(html): 
 pattern = ('<dd>.*?board-index.*?>(\d+)</i>.*?data-src="(.*?)".*?name"><a' 
       + '.*?>(.*?)</a>.*?star">(.*?)</p>.*?releasetime">(.*?)</p>' 
       + '.*?integer">(.*?)</i>.*?fraction">(.*?)</i>.*?</dd>') 
 #寫(xiě)個(gè)正則，匹配所有結(jié)果。這里由上面的網(wǎng)頁(yè)相應(yīng)內(nèi)容寫(xiě)<dd>開(kāi)頭，.*?匹配任意字符穿 board-index匹配標(biāo)識(shí)符,類名， 
 # \d 表數(shù)字即排名，'+'表示匹配至少一個(gè)可多個(gè)數(shù)字，</i>右邊結(jié)束符 
 #“?”，問(wèn)號(hào)表示 非貪婪匹配，就是一旦匹配到就不在繼續(xù)往后面嘗試。 
 #而\(和\)分別表示匹配一個(gè)“(”和“)” 
 # re.S匹配多行 
 regex = re.compile(pattern,re.S) #一個(gè)方法，通過(guò)一個(gè)正則表達(dá)式字符串編譯生成一個(gè)正則表達(dá)式對(duì)象，re.S 匹配任意字符 
 items = regex.findall(html) #以列表形式返回全部能匹配的子串. eg: re.findall(pattern, string[, flags]) 
 for item in items: #將結(jié)果以字典形式返回，鍵值對(duì) 
   yield{  #把這個(gè)方法變成一個(gè)生成器 
    'index':item[0], 
    'image':item[1], 
    'title':item[2], 
    'actor':item[3].strip()[3:], #用strip（）去掉換行符，不想要 主演： 這三個(gè)字就用[3:]組成一個(gè)切片，name就可以將前三個(gè)字符串去掉 
    'time':get_release_time(item[4].strip()[5:]),  #去掉前五個(gè)字符 
    'area':get_release_area(item[4].strip()[5:]), 
    'score':item[5]+item[6] #將評(píng)分整數(shù)部分和小數(shù)部分結(jié)合起來(lái) 
  } 
 
''''' 
#保存到txt，會(huì)發(fā)現(xiàn)中文漢字變成了unic的編碼,加上encoding='utf-8'，ensure_ascii=False，則漢字可正常輸出 
def write_to_file(content): 
 with open('result.txt','a',encoding='utf-8') as f: # 參數(shù) a ，表示直接往后追加 
  f.write(json.dumps(content,ensure_ascii=False) +'\n') #content是一個(gè)字典的形式，用json.dumps 把它轉(zhuǎn)換為字符串，再加個(gè)換行符 
  f.close()  
#json.dumps :dict 轉(zhuǎn)換為 str 
#json.loads: str 轉(zhuǎn)換為 dict 
''' 
'''''''' 
# 獲取上映時(shí)間 <p class="releasetime">上映時(shí)間：1993-01-01(中國(guó)香港)</p> 
def get_release_time(data): 
 pattern = '^(.*?)(\(|$)' 
 regex = re.compile(pattern) 
 w = regex.search(data) 
 return w.group(1) # group(1)指的是第一個(gè)括號(hào)里的東西 
 
# 獲取上映地區(qū) 
def get_release_area(data): 
 pattern = '.*\((.*)\)' #而\(和\)分別表示匹配一個(gè) '(' 和 ')' 
 regex = re.compile(pattern) 
 w = regex.search(data) 
 if w is None: 
  return'未知' 
 return w.group(1) 
 
# 獲取封面大圖,不需要 
# def get_large_thumb(url): 
#  pattern = '(.*?)@.*?' 
#  regex = re.compile(pattern) 
#  w = regex.search(url) 
#  return w.group(1) 
 
# 存儲(chǔ)數(shù)據(jù) 
def store_data(item): 
 with open('movie.csv','a',newline='',encoding='utf-8') as data_csv: 
  # dialect為打開(kāi)csv文件的方式，默認(rèn)是excel，delimiter="\t"參數(shù)指寫(xiě)入的時(shí)候的分隔符 
  csv_writer = csv.writer(data_csv) 
  csv_writer.writerow([item['index'], item['image'], item['title'], item['actor'],item['time'],item['area'],item['score']]) 
# 參數(shù)newline是用來(lái)控制文本模式之下，一行的結(jié)束字符。可以是None，''，\n，\r，\r\n等。 
''''' 
也可判斷異常，一般沒(méi)錯(cuò) 
  try: 
   csv_writer = csv.writer(data_csv) 
   csv_writer.writerow([item['index'], item['image'], item['title'], item['actor'],item['time'],item['area'],item['score']]) 
  except Exception as e: 
   print(e) 
   print(item) 
''' 
 
# 下載封面圖 
#讀方式打開(kāi)的話，并不會(huì)新建；寫(xiě)方式打開(kāi)的話就會(huì)新建。 r只讀，w可寫(xiě)，a追加 
def download_thumb(title,image): 
 try: 
  response = requests.get(image) 
  # 獲取二進(jìn)制數(shù)據(jù) 
  with open('image/'+title+'.jpg', 'wb') as f: #將封面圖保存到當(dāng)前路徑下的image文件夾中，圖片名稱為：電影名.jpg 
   f.write(response.content) 
   f.close() 
 except RequestException as e: 
  print(e) 
  pass 
 
 
# 主調(diào)度程序 
def main(): 
 # 起始URL 
 start_url = 'http://maoyan.com/board/4?' 
 for i in range(0,1000,10): 
  # 獲取響應(yīng)文本內(nèi)容 
  html = get_one_page(url=start_url, offset=i) 
  if html is None: 
   print('鏈接:%s?offset=%s異常'.format(start_url,i)) 
   continue 
  for item in parse_one_page(html): 
   # print(item) 
   store_data(item) 
   # download_thumb(item['title'],item['image']) 
# 
 
if __name__=='__main__': 
 main() 
 
''''' 
if __name__=='__main__': 
 for i in range(10): 
  main(i*10) 
''' 
 
''''' 
if __name__=='__main__': 
 for i in range(10): 
  main(i*10) 
 pool=Pool() #可以提供指定數(shù)量的進(jìn)程供用戶調(diào)用，如果有一個(gè)新的請(qǐng)求被提交到進(jìn)程池，進(jìn)程池還沒(méi)有滿，就會(huì)創(chuàng)建新的進(jìn)程來(lái)執(zhí)行請(qǐng)求，如果滿了，就先等待 
 pool.map(main,[i*10 for i in range(10)]) #將數(shù)組中的每一個(gè)元素拿出來(lái)當(dāng)做函數(shù)的參數(shù)，然后創(chuàng)建一個(gè)個(gè)的進(jìn)程，放到進(jìn)程池里面去運(yùn)行；第二個(gè)參數(shù)是構(gòu)造一個(gè)數(shù)組，組成循環(huán) 
 #速度明顯變快！1s 
'''

保存到數(shù)據(jù)庫(kù)

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['number'])  #能正確輸出 , charset="utf8" 
  try: 
    conn = pymysql.connect(host='localhost', user='root', passwd=' ', port=3306,db='test1',charset="utf8",use_unicode = False ) 
    cur = conn.cursor() # 創(chuàng)建一個(gè)游標(biāo)對(duì)象 
    for item in parse_one_page(html): 
      try: 
        # sql = "INSERT INTO movies (number,picture,title,actors,time,area,score) VALUES （%s,%s,%s,%s,%s,%s,%s）" 
        # cur.execute(sql, ( item['number'],item['picture'],item['title'],item['actors'],item['time'],item['area'],item['score'])) 
        sql = "insert into test_movies (number,picture,title,actors,time,area,score) values(%s,%s,%s,%s,%s,%s,%s)" 
        cur.execute(sql, (item['number'], item['picture'], item['title'], item['actors'], item['time'], item['area'],item['score'])) 
      except pymysql.Error as e: 
        print(e) 
      print('- - - - - 數(shù)據(jù)保存成功 - - - - -') 
    conn.commit() 
    cur.close() 
    conn.close() # 關(guān)閉數(shù)據(jù) 
  except pymysql.Error as e: 
    print("Mysql Error %d: %s" % (e.args[0], e.args[1])) 
 
 
if __name__=='__main__': 
  # 連接數(shù)據(jù)庫(kù) 
  conn = pymysql.connect(host='localhost', user='root', passwd=' ', port=3306, db='test1', charset="utf8") 
  cur = conn.cursor() # 創(chuàng)建一個(gè)游標(biāo)對(duì)象 
  cur.execute("DROP TABLE IF EXISTS test_movies") # 如果表存在則刪除 
  # 創(chuàng)建表sql語(yǔ)句 
  sqlc = """CREATE TABLE test_movies( 
    number int not null primary key auto_increment, 
    picture VARCHAR(100) NOT NULL, 
    title VARCHAR(100) NOT NULL, 
    actors VARCHAR(200) NOT NULL, 
    time VARCHAR(100) NOT NULL, 
    area VARCHAR(100) , 
    score VARCHAR(50) NOT NULL 
  )""" 
  cur.execute(sqlc) # 執(zhí)行創(chuàng)建數(shù)據(jù)表操作 
  pool=Pool() 
  pool.map(main,[i*10 for i in range(10)])

以上是“python正則表達(dá)式如何爬取貓眼電影top100”這篇文章的所有內(nèi)容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內(nèi)容對(duì)大家有所幫助，如果還想學(xué)習(xí)更多知識(shí)，歡迎關(guān)注創(chuàng)新互聯(lián)成都網(wǎng)站設(shè)計(jì)公司行業(yè)資訊頻道！

另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務(wù)器15元起步，三天無(wú)理由+7*72小時(shí)售后在線，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國(guó)服務(wù)器、虛擬主機(jī)、免備案服務(wù)器”等云主機(jī)租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡(jiǎn)單易用、服務(wù)可用性高、性價(jià)比高”等特點(diǎn)與優(yōu)勢(shì)，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應(yīng)用場(chǎng)景需求。

本文標(biāo)題：python正則表達(dá)式如何爬取貓眼電影top100-創(chuàng)新互聯(lián)
網(wǎng)頁(yè)地址：http://bm7419.com/article14/dpdode.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供品牌網(wǎng)站制作、域名注冊(cè)、ChatGPT、手機(jī)網(wǎng)站建設(shè)、網(wǎng)站設(shè)計(jì)、定制開(kāi)發(fā)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)

成都網(wǎng)站建設(shè)公司