python3 爬蟲入門

這裡爬取貓眼電影 top100 榜的資訊，作為學習的第乙個demo。

今天開始接觸的python,從爬蟲開始。語言相對來說比較簡單，環境配置到是花了不少時間。

有個要注意的點是在引入beautifursoup庫的時候會報錯，因為3.x的庫需要引入的是beautifursoup4.

到這一步環境配置基本上ok了，可以開始進入正題了

這裡我跟的乙個教程是

python3網路爬蟲實戰

，知識點比較廣，從乙個爬蟲事例開始.

提取出貓眼電影 top100 榜的電影名稱、時間、評分、等資訊，提取的站點 url 為：提取的結果以檔案形式儲存下來。

新增requests依賴庫,注意不是request

本節我們需要抓取的目標站點為：開啟之後便可以檢視到榜單的資訊，如圖

接下來我們用**實現這個過程，首先抓取第一頁的內容，我們實現乙個 get_one_page() 方法，傳入 url 引數，然後將抓取的頁面結果返回，然後再實現乙個 main() 方法呼叫一下，初步**實現如下：

import requests
def get_one_page(url):
response = requests.get(url)
if response.status_code == 200:
return response.text
return none
def main():
url = ''
html = get_one_page(url)
print(html)
main()

沒接觸過正則的看這裡

隨後將提取的結果寫入檔案，在這裡直接寫入到乙個文字檔案中，通過 json 庫的 dumps() 方法實現字典的序列化，並指定 ensure_ascii 引數為 false，這樣可以保證輸出的結果是中文形式而不是 unicode 編碼，**實現如下：

def write_to_json(content):
with open('result.txt', 'a') as f:
print(type(json.dumps(content)))
f.write(json.dumps(content, ensure_ascii=false,).encode('utf-8'))

def main():
url = ''
html = get_one_page(url)
for item in parse_one_page(html):
write_to_json(item)

if __name__ == '__main__':
for i in range(10):
main(offset=i * 10)

將 main() 方法修改一下，接收乙個 offset 值作為偏移量，然後構造 url 進行爬取，實現如下

def main(offset):
url = '?offset=' + str(offset)
html = get_one_page(url)
for item in parse_one_page(html):
print(item)
write_to_file(item)

完整**

import json
import requests
from requests.exceptions import requestexception
import re
import time
def get_one_page(url):
try:
response = requests.get(url)
if response.status_code == 200:
return response.text
return none
except requestexception:
return none
def parse_one_page(html):
pattern = re.compile('.*?board-index.*?>(\d+).*?data-src="(.*?)".*?name">(.*?).*?star">(.*?)
.*?releasetime">(.*?)
'                         + '.*?integer">(.*?).*?fraction">(.*?).*?', re.s)
items = re.findall(pattern, html)
for item in items:
yield 
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 = '?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(offset=i * 10)
time.sleep(1)

python3 爬蟲入門

python3爬蟲入門

Python3爬蟲入門一

python3爬蟲快速入門攻略

python3 爬蟲入門

python3爬蟲入門

Python3爬蟲入門 一

python3爬蟲快速入門攻略

相關推薦

Python3爬蟲入門一