第一个python爬虫，爬取猫眼电影Top100榜

学习python以来的第一爬虫，参考《Python3 网络爬虫开发实践》

爬取目标为：猫眼电影Top100榜

完全是依葫芦画瓢，首先请求网页内容，然后在通过正则表达式提取自己感兴趣的数据，最后转成json格式存入文本文件。

            
              import json
import time

import requests
import re


def get_one_page(url):
    headers = {
        'User-agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_4) '
                      'AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.131 Safari/537.36'
    }
    resp = requests.get(url, headers=headers)
    if resp.status_code == 200:
        return resp.text
    return None


def parse_page(html):
    pattern = re.compile('
              

                .*?board-index.*?>(.*?).*?data-src="(.*?)".*?'
                         'name.*?
                
                  (.*?).*?star">(.*?)
                  

                  
                  .*?releasetime">(.*?)
                  

                  
                  .*?
                
              
              ', re.S)
    items = re.findall(pattern, html)
    for item in items:
        yield {
            'index': item[0],
            'img': 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 ''
        }


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


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


if __name__ == '__main__':
    for i in range(10):
        main(i * 10)
        time.sleep(1)