python爬蟲從入門到放棄(九)之 Requests+正則表達式爬取貓眼電影TOP100

来源:https://www.cnblogs.com/sherlock318/archive/2018/09/19/9677853.html
-Advertisement-
Play Games

import requests from requests.exceptions import RequestException import re import json from multiprocessing import Pool def get_one_page(url): headers... ...


import requests
from requests.exceptions import RequestException
import re
import json
from multiprocessing import Pool

def get_one_page(url):
    headers={'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/66.0.3359.117 Safari/537.36'}
    try:
        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+).*?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].strip(),
        'actor': item[3].strip()[3:] ,#if len(item[3]) > 3 else '',
        'time': item[4].strip()[5:] ,#if len(item[4]) > 5 else '',
        'score': item[5].strip() + item[6].strip()
        }

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(i * 10)
# 多線程方法
    pool =Pool()#多線程會打亂數據的順序
    # 聲明一個進程池
    pool.map(main,[i*10 for i in range(10)]) # 利用map函數
    pool.close()

 


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 在數組中的兩個數字,如果前面一個數字大於後面的數字,則這兩個數字組成一個逆序對。輸入一個數組,求出這個數組中的逆序對的總數P。並將P對1000000007取模的結果輸出。 即輸出P%1000000007 1.數組歸併排序 2.歸併排序比較左右兩個堆數組中的元素大小時,進行計數,倒著比較,因為左堆倒第... ...
  • input()函數1.等待輸入;2.將輸入的內容賦值給了等於號前面的變數;3.input返回的數據類型是str。 ...
  • 之前裝好tomcat後正常運行 後來重裝系統後,又一次配置環境時卻報錯。 在網上查找了兩篇文章。 https://blog.csdn.net/haleyliu123/article/details/68953796 https://blog.csdn.net/qq_28688909/article/ ...
  • 電腦處理不同的數據需要定義不同的數據類型。改變數字數據類型的值,意味著要重新分配記憶體空間用來存儲新的數值。 int,整數包含正整數和負整數,32位和64位系統的取值範圍不同。32位系統的取值範圍:-2**31 ~ 2**31-164位系統的取值範圍:-2**63 ~ 2**63-1 long,長整 ...
  • 上篇我們知道了關於python的一個hello world的簡單程式代碼,現在我們來瞭解關於python裡面的變數,我們來瞭解下,變數是什麼? 變數:變數是為了存儲程式運算過程中的一些中間結果,為了方便之後的調用,同一變數可以重新賦值。 變數的特點:具有描述性的標記,存儲在記憶體里。 我們來看個列子, ...
  • 前言 大學期間接觸 Java 的時間也不短了,不論學習還是實習,都讓我發覺基礎的重要性。互聯網發展太快了,各種框架各種技術更新迭代的速度非常快,可能你剛好掌握了一門技術的應用,它卻已經走在淘汰的邊緣了。 而學習新技術總要付出一定的時間成本,那麼怎麼降低時間成本呢?那就是打好基礎,技術再怎麼革新,底層 ...
  • 創建laravel應用 laravel new app_name 使用 PHP 內置 web server 驅動我們的網站 cd xxx/public php -S localhost:port 查看所有可用的 Artisan 命令 php artisan list 激活某些功能 eg:auth系統 ...
  • 題意 題目鏈接 給出一個字元串,每次操作可以使得字元串縮短一位,且第$i$位必須要保證與變換前的這一位或下一位相同, 問使得整個字元串全相同最少的操作次數 Sol 300P的題我都要想10min啊,還是太菜了。。 首先我們可以枚舉一個字母,強行讓他成為最後的答案 對於末尾與它不同的數只能一個個刪掉, ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發(一):使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說,近來想嘗試開發一款安卓APP,考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP,畢竟是使用Visual Studio開發工具,使用起來也比較的順手,結合微軟官方的教程進行了安卓 ...
  • 前言 QuestPDF 是一個開源 .NET 庫,用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫,它徹底改變了我們生成 PDF 文檔的方 ...
  • 項目地址 項目後端地址: https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址: ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址: http://tree ...
  • 話不多說,直接開乾 一.下載 1.官方鏈接下載: https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe,運行開始下載SQL server; 二. ...
  • 前言 隨著物聯網(IoT)技術的迅猛發展,MQTT(消息隊列遙測傳輸)協議憑藉其輕量級和高效性,已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫,為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog支持多種接收器用於日誌存儲,增強器用於添加屬性,LogContext管理動態屬性,支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項,適用於不同需求。 ...
  • 目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據,爬取信息時需要模擬瀏覽器行為,否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下: 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • 1.前言 什麼是熱更新 游戲或者軟體更新時,無需重新下載客戶端進行安裝,而是在應用程式啟動的情況下,在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR,Xlua,ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles,Addressable, ...
  • 本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺,其實像阿裡雲,騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後,它會送 ...
  • 通過以下方式可以高效,並保證數據同步的可靠性 1.API設計 使用RESTful設計,確保API端點明確,並使用適當的HTTP方法(如POST用於創建,PUT用於更新)。 設計清晰的請求和響應模型,以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證,確保接收到的數據符合預期格 ...