python爬虫,爬取猫眼电影1(正则表达式)
本文用正则、xpath、beautifulsoup、css、pyquery几种不同的方式,爬取猫眼电影。只是记录过程。比较乱。
猫眼电影现在也添加了一些反爬虫机制,如果直接用requests可能会403.所以最好添加header 和cookies。
添加的方法是使用网页的自动生成请求。
浏览器登陆,直接百度搜。
点击榜单
点击top100
出来页面之后,点击检查按钮,调出开发者工具。
选择network选项卡,然后在页面上,点击右键弹出“重新加载”,有的浏览器可能是“刷新”都差不多。
刷出来4这个页面,显示它是一个document,状态码是200.
选中4, 右键弹出copy
选择copy as curl(bash)。这样网络命令就拷贝到你的剪切板里了。
在进入这个网站,把剪切板里的东西粘贴到左边栏,就可以自动生成python请求语法。
https://curl.trillworks.com/
右边的代码直接拷贝到pycharm里。就可以生成response了。这样免去了自己写,复制粘贴cookies。省很多事,也不会出错。
可以看到,粘过来,自动会带有header, cookies
运行一下, 就可以得到response
可以打印出response.txt。太长了,不截屏了。
为了方便,我们还是把这个文件存到本地,方便练习解析库。
wk_dir = '(你的路径)'
import oswith open(os.path.join(wk_dir, 'maoyan.txt'), 'w', encoding = 'utf-8') as f:f.write(response.text)print("saved")
这样就保存了
如果不关电脑,一直用response.txt也行。
html = response.text
html
首先是正则。
选取一段代码研究,
电影的名字是在title后面
如果检查元素的话,可以发现
在“title" 和 ”data-act"之间。
打开这个网址,试一下:
https://c.runoob.com/front-end/854/
电影名字,就是正则表达式里面,括号里的内容,也是我们想提取的信息。
搜索电影评分
用
class="score".*?integer">(.*?)</i
这样就可以得到需要的 信息。用python把正则表达式写下来,就是。
这里我们首先选择每一部电影的源代码片段。观察发现,源代码片段是dd开头的。
所以在每一个dd里面。搜索正则。
这样不会乱。
for item in item_list:index = re.search(r"board-index-.*?>(\d.*?)</i", item)print(index.group(1))image = re.search(r'data-src.*?"(.*?)"', item)print(image.group(1))title = re.search(r'class="name".*?title="(.*?)"', item)print(title.group(1))actor = re.search(r'class="star">.*?(.*?)</p',item, re.S)print(actor.group(1).strip())time = re.search(r'class="releasetime">(.*?)</p>', item, re.S)print(time.group(1).strip())score1 = re.search(r'class="integer">(\d)', item)score2 = re.search(r'class="fraction">(\d)', item)score = score1.group(1) +"." +score2.group(1)print(score)
这样就可以得到结果。
用正则表达式提取信息,就结束了。
在提取电影演员的时候,遇到一个问题,就是在线的正则表达式测试器都不太好用。最后发现了一个网址,这两个:
https://regex101.com/
这个是国外的,比较慢,
国内的是https://tool.lu/regex/
选中单行,就可以匹配到演员信息。很多在线测试工具没有这个功能,导致匹配不出来。
国外的网站就是这样的。
也要点选 single line
这样就能匹配到演员信息。
电影的缩略图信息,也能够匹配出来。
其他的就没啥问题了
python爬虫,爬取猫眼电影1(正则表达式)相关推荐
- Python爬虫爬取猫眼电影风语咒影评评论信息
风语咒作为扛起国漫崛起的又一国漫之作,爬取风语咒猫眼的电影评论数据,以便对其评论做之后的数据分析. 此次demo的流程图如下: 一.找到猫眼电影中风语咒影评得json数据: l 找出url后,往下滚动 ...
- python爬虫 爬取猫眼电影数据
# 定义一个函数获取猫眼电影的数据 import requestsdef main():url = url = 'http://maoyan.com/board/4?offset=0'html = ...
- python爬虫--爬取-猫眼电影-代码
import re import requests class Mao():def __call__(self, *args, **kwargs):"""当前类的对象当做 ...
- Python爬虫 爬取豆瓣电影TOP250
Python爬虫 爬取豆瓣电影TOP250 最近在b站上学习了一下python的爬虫,实践爬取豆瓣的电影top250,现在对这两天的学习进行一下总结 主要分为三步: 爬取豆瓣top250的网页,并通过 ...
- 【python教程入门学习】Python爬虫抓取猫眼电影排行榜
本节使用 Python 爬虫抓取猫眼电影网 TOP100 排行榜(https://maoyan.com/board/4)影片信息,包括电影名称.上映时间.主演信息. 在开始编写程序之前,首先要确定页面 ...
- python爬虫爬取豆瓣电影排行榜并通过pandas保存到Excel文件当中
我们的需求是利用python爬虫爬取豆瓣电影排行榜数据,并将数据通过pandas保存到Excel文件当中(步骤详细) 我们用到的第三方库如下所示: import requests import pan ...
- Python爬虫爬取豆瓣电影评论内容,评论时间和评论人
Python爬虫爬取豆瓣电影评论内容,评论时间和评论人 我们可以看到影评比较长,需要展开才能完整显示.但是在网页源码中是没有显示完整影评的.所以我们考虑到这部分应该是异步加载的方式显示.所以打开网页的 ...
- Python3爬虫——爬取猫眼电影排行
一.爬取猫眼电影排行 目标:提取猫眼电影TOP100的电影排名.名称.主演.上映时间.评分.海报链接. URL:https://maoyan.com/board/4 保存:JSON # 版本:Pyth ...
- 记第一天使用node做爬虫——爬取猫眼电影票房总榜以及指定电影的豆瓣评论前200条
首先,我是一个做前端的应届生,今天朋友想让我帮忙爬取猫眼电影票房总榜的数据,但是我之前一点都没接触过爬虫,但我还是说:okk,我试试: 然后试试就逝世,各种坑接踵而来: 提前声明:这篇文章暂时只是获取 ...
- python爬虫爬取豆瓣电影信息城市_Python爬虫入门 | 2 爬取豆瓣电影信息
这是一个适用于小白的Python爬虫免费教学课程,只有7节,让零基础的你初步了解爬虫,跟着课程内容能自己爬取资源.看着文章,打开电脑动手实践,平均45分钟就能学完一节,如果你愿意,今天内你就可以迈入爬 ...
最新文章
- 测试某个端口是否开放的方法
- “CAIL 2021中国法律智能技术评测”全面开启!
- 【工具篇】抓包中的王牌工具—Fiddler (1-环境搭建)
- 超图桌面版GIS配准基本操作
- Android性能优化案例研究(上)
- java B2B2C Springcloud电子商务平台源码-服务网关过滤器
- [Leetcode][第201题][JAVA][数字范围按位与][位运算][Brian Kernighan]
- 构建springboot微服务聚合工程
- mysqld install mysql default_Mysql_安装
- 支付宝 支付宝扫描生成的二维码提示:码已失效,请刷新二维码后重试
- paip.powerdesign cdm pdm文件 代码生成器 java web 页面 实现
- Linux基础——脚本
- 《数字电子技术基础》4.3 若干常用的组合逻辑电路 学习笔记
- cadence 原理图orcad使用总结
- 计算机操作系统-整理
- 使用DOSBox自动进入debug模式
- 3ds Max学习指南,基本知识与基本操作,常用快捷键汇总
- 运维的升级打怪之路v2版
- 【华人学者风采】王祥科 华北电力大学
- 微信群裂变引流文案技巧,这样写文案更吸引粉丝!