最近想研究下python爬虫,于是就找了些练习项目试试手,熟悉一下,猫眼电影可能就是那种最简单的了。

1 看下猫眼电影的top100页面

python爬取猫眼电影top100-LMLPHP

分了10页,url为:https://maoyan.com/board/4?offset=0

我们发起请求,得到相应:

python爬取猫眼电影top100-LMLPHP我们

我使用的是requests库,这是一个第三方的库。

2 利用正则解析爬取下的页面

当然你也可以使用xpath和bs4。

我们先看一下网页的源代码:

python爬取猫眼电影top100-LMLPHP

然后根据代码写出要匹配的正则,然后对匹配出来的数据做解析:

python爬取猫眼电影top100-LMLPHP

3 将抓到的数据写入本地文件

python爬取猫眼电影top100-LMLPHP

4 最后得到的页面

python爬取猫眼电影top100-LMLPHP

5 一点小扩充

虽然实现了爬取的功能,但是其实这个程序还可以扩充

普通版:利用for循环实现爬取

python爬取猫眼电影top100-LMLPHP

多进程版:利用进程池创建多进程

第一种方式:

python爬取猫眼电影top100-LMLPHP

第二种方式:

python爬取猫眼电影top100-LMLPHP

04-26 17:11
查看更多