java爬蟲如何爬取貓眼電影TOP榜數(shù)據(jù)

這篇文章給大家分享的是有關(guān)java爬蟲如何爬取貓眼電影TOP榜數(shù)據(jù)的內(nèi)容。小編覺得挺實(shí)用的，因此分享給大家做個(gè)參考，一起跟隨小編過來看看吧。

爬蟲是如何爬取貓眼電影TOP榜數(shù)據(jù)的。主要抓取的內(nèi)容有排名、圖片、電影名稱、主演、上映時(shí)間和評(píng)分信息。在抓取之前，我們先打開貓眼電影TOP100頁面，研究分析頁面，查找我們需要的信息位置，然后抓取。

代碼如下：

import json

import requests

from requests.exceptions import RequestException

import re

import time

def get_one_page(url):

try:
    headers = { 'User-Agent': 'agent信息'}
    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+)</i>.*?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],
        'actor': item[3].strip()[3:],
        'time': item[4].strip()[5:],
        'score': item[5] + item[6]
    }

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(offset=i * 10)
    time.sleep(1)

通過上述代碼，我們就可以獲取到貓眼電影TOP榜數(shù)據(jù)信息了。

感謝各位的閱讀！關(guān)于“java爬蟲如何爬取貓眼電影TOP榜數(shù)據(jù)”這篇文章就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，讓大家可以學(xué)到更多知識(shí)，如果覺得文章不錯(cuò)，可以把它分享出去讓更多的人看到吧！