当前位置：首页 > news >正文

python爬虫练习--爬取猫眼热映口碑榜

news 来源：原创 2024/4/29 11:50:22

#抓取猫眼热映口碑榜
import json
import requests
from requests.exceptions import RequestException
from lxml import etree
import time

#抓取首页
def get_one_page(url):
    try:
        headers = {
            'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/66.0.3359.181 Safari/537.36'
        }
        response = requests.get(url, headers=headers)
        if response.status_code == 200:
            return response.text
        return None
    except RequestException:
        return None

def parse_html(html):
    html = etree.HTML(html)
    result = html.xpath('//dl[@class="board-wrapper"]/dd')

    for line in result:
        id = line.xpath('i/text()')
        title = line.xpath('div/div/div/p/a/@title')
        actor = line.xpath('div/div/div/p[@class="star"]/text()')
        time = line.xpath('div/div/div/p[@class="releasetime"]/text()')
        for i in actor:
            actor = i.strip()

        yield {
                'id': id[0],
                'title': title[0],
                'actor': actor,
                'time': time[0][3:],

                    }

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():
    url = 'http://maoyan.com/board'
    html = get_one_page(url)
    for item in parse_html(html):
        print(item)
        write_to_file(item)
        time.sleep(1)


if __name__ == '__main__':
    main()

输出结果：
{'id': '1', 'title': '狂暴巨兽', 'actor': '主演：道恩·强森,娜奥米·哈里斯,杰弗里·迪恩·摩根', 'time': '间：2018-04-13'}
{'id': '2', 'title': '巴霍巴利王2：终结', 'actor': '主演：帕拉巴斯,拉纳·达格巴提,安努舒卡·谢蒂', 'time': '间：2018-05-04'}
{'id': '3', 'title': '超时空同居', 'actor': '主演：雷佳音,佟丽娅,徐峥', 'time': '间：2018-05-18'}
{'id': '4', 'title': '复仇者联盟3：无限战争', 'actor': '主演：小罗伯特·唐尼,克里斯·海姆斯沃斯,马克·鲁法洛', 'time': '间：2018-05-11'}
{'id': '5', 'title': '完美陌生人', 'actor': '主演：朱塞佩·巴蒂斯通,安娜·福列塔,马可·贾利尼', 'time': '间：2018-05-25'}
{'id': '6', 'title': '青年马克思', 'actor': '主演：奧古斯特·迪赫,史特凡·柯纳斯克,薇姬·克里普斯', 'time': '间：2018-05-05'}
{'id': '7', 'title': '昼颜', 'actor': '主演：上户彩,斋藤工,伊藤步', 'time': '间：2018-05-18'}
{'id': '8', 'title': '我是你妈', 'actor': '主演：闫妮,邹元清,吴若甫', 'time': '间：2018-05-11'}
{'id': '9', 'title': '西小河的夏天', 'actor': '主演：张颂文,谭卓,顾宝明', 'time': '间：2018-05-25'}
{'id': '10', 'title': '哆啦A梦：大雄的金银岛', 'actor': '主演：水田山葵,大原惠美,嘉数由美', 'time': '间：2018-06-01'}