Python之爬虫-猫眼电影

#!/usr/bin/env python# coding: utf-8import jsonimport requestsimport reimport time# 猫眼多了反爬虫，速度过快，则会无响应，所以这里多了一个延时等待from requests.exceptions import RequestExceptiondef get_one_page(url):    try:        headers = {            'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_4) AppleWebKit/537.36(KHTML, like Gecko) '                          'Chrome/52.0.2743.116 Safari/537.36',        }        response = requests.get(url, headers=headers)        if response.status_code == 200:            return response.text  # 使得get_one_page()函数输出是一个文本        return None    except RequestException:        return Nonedef parse_one_page(html):    pattern = re.compile(        '
    
     .*?board-index.*?>(.*?).*?name.*?a.*?>(.*?).*?star.*?>(.*?)
     
.*?releasetime.*?>(.*?)
     
.*?'        'integer.*?>(.*?).*?fraction.*?>(.*?).*?
    
',        re.S)  # 正则表达式获取需要保存的东西编译成正则表达式对象    items = re.findall(pattern, html)  # 遍历html文件中的所有pattern正则表达式对象    for item in items:  # 把提取的对象装入字典中        yield {            'index': item[0],            'title': item[1],            'actor': item[2].strip()[3:],            'time': item[3].strip()[5:],            'score': item[4] + item[5]        }def write_to_file(content):  # 把文件写入并保存在result.tx + '\n')    with open('result.txt', 'a', encoding='utf-8') as f:        f.write(json.dumps(content, ensure_ascii=False) + '\n')def main(offset):  # 遍历TOP100的电影的所有网址    url = 'http://maoyan.com/board/4?offset=' + str(offset)  # 接收一个偏移量offset    html = get_one_page(url)    for item in parse_one_page(html):        print(item)        write_to_file(item)if __name__ == '__main__':  # 创建一个偏移量offset    for i in range(10):        main(offset=i * 10)        time.sleep(1)