猫眼排行榜100电影"/>
爬取猫眼排行榜100电影
爬取猫眼电影排行
利用requests库和正则表达式来抓取猫眼电影TOP100的相关内容。requests比urllib使用更加方便,而且目前我们还没有系统学习HTML解析库,所以这里就选用正则表达式来作为解析工具。
-
本节目标:
- 提取出猫眼电影TOP100的电影名称、时间、评分、图片等信息
- 提取的站点URL为
- 提取的结果以文件形式保存下来
-
准备工作:
- 确定正确安装好requests库
-
抓取分析:
-
打开抓取的站点:,可以发现榜单信息。
-
页面中显示的有效信息包括:影片名称、主演、上映时间、评分、图片等信息
-
将页面滚动到最下方,直接点击第2页,观察页面的URL和内容发生的变化。
-
URL变成,比之前的URL多了一个参数,即offset=10,而目前显示的结果是排行11~20名的电影,再点击下一页,发现页面的URL变成了,参数 offset 变成了20,而显示的结果是排行21~30的电影。
-
规律:offset代表偏移量值,如果偏移量为n,则显示的电影序号就是n+1到n+10,每页显示10个。所以,如果想获取TOP100电影,只需要分开请求10次,而10次的offset参数分别设置为0、10、20…90即可,这样获取不同的页面之后,再用正则表达式提取出相关信息,就可以得到 TOP100 的所有电影信息了。
-
-
抓取首页:
import requestsdef get_one_page(url):"""抓取第一页的内容,返回抓取的页面结果"""headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) ''Chrome/88.0.4324.104 Safari/537.36 '}response = requests.get(url, headers=headers)if response.status_code == 200:return response.textreturn Nonedef main():url = ''html = get_one_page(url)<
更多推荐
爬取猫眼排行榜100电影
发布评论