本文主要是介绍python爬虫之猫眼电影Top100榜，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
一. 爬取目标
https://maoyan.com/board/4
二. 爬取分析
1. 电影信息
在页面右键“检查”，查看网页代码
可以发现每一部电影信息都在一个<dd>标签里，那么获取到<dd>标签的内容就可以获取到电影的信息了。
详细看一下<dd>标签中的内容：
由此可以获取到电影的各个信息。
2. 自动翻页
一页显示10部电影，要想爬取到Top100榜所有电影，需要让爬虫程序进行自动翻页。
点击不同页码，观察每一个页码对应的url地址：
第一页：https://maoyan.com/board/4?offset=0
第二页：https://maoyan.com/board/4?offset=10
第三页：https://maoyan.com/board/4?offset=20
可以得到规律：offset从0开始，每一页加10，最后一页的offset应该是90。
通过改变offset的值，完成自动翻页。
三.代码
1. 基于正则匹配获取信息
#爬取猫眼电影
import json
import requests
from requests.exceptions import RequestException
import re
import time
def get_one_page(url):headers={'user-agent':'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/72.0.3602.2 Safari/537.36'}#伪装头部信息response=requests.get(url,headers=headers) if response.status_code==200:return response.text #获取网页信息return Nonedef parse_one_page(html):pattern=re.compile('<dd.*?board-index.*?">(\d+)</i.*?data-src="(.*?)".*?<p class="name"><a.*?>(.*?)</a>.*?<p class="star">(.*?)</p.*?class="releasetime">(.*?)</p.*?</dd>',re.S) #利用正则表达式进行匹配，获取相应信息items=re.findall(pattern,html)result=[]for item in items:result.append({'index':item[0], 'img':item[1], '名称':item[2], '主演':item[3].strip()[3:], '上映时间':item[4].strip()[5:]})return resultdef write_to_file(content): #import io io.open()不会报错with io.open('results.txt','a',encoding='utf-8') as f: #只写方式打开文件夹。如果文件夹不存在则创建文件夹f.write(json.dumps(content,ensure_ascii=False)+'\n')def main(offset):url='http://maoyan.com/board/6?offset='+str(offset) #修改offset值html=get_one_page(url)for item in parse_one_page(html):print(item)write_to_file(item)for i in range(10):main(offset=i*10)time.sleep(1)
这篇关于python爬虫之猫眼电影Top100榜的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
