python使用re模块爬取豆瓣Top250电影
(编辑：jimmy 日期: 2024/11/16 浏览：2)
爬蟲四步原理：
1.发送请求：requests
2.获取相应数据：对方及其直接返回
3.解析并提取想要的数据：re
4.保存提取后的数据：with open()文件处理
爬蟲三步曲：
1.发送请求
2.解析数据
3.保存数据
注意：豆瓣网页爬虫必须使用请求头，否则服务器不予返回数据
import re
import requests
# 爬蟲三部曲：
# 1.获取请求
def get_data(url, headers):
response = requests.get(url, headers=headers)
# 如果爬取的是html文本就是用.text方法获取文本数据，如果爬取的是音视频就用.content方法获取二进制流数据
# print(response.text) # 获取相应文本，比如html代码
return response.text
# 2.解析数据
def parser_data(text):
# re.findall("正则表达式", "过滤的文本", re.S) # 匹配模式：re.S 全局模式
data = re.findall(
'<div class="item">.*"(.*" rel="external nofollow" >.*"title">(.*"rating_num" property="v:average">(.*"豆瓣TOP250.txt", "a", encoding="utf-8") as f:
for i in res_list_iter:
move_page, move_title, move_score, move_evaluation = i
# print(move_page, move_title, move_score, move_evaluation)
str1 = f"电影名字：《{move_title}》 电影评分：{move_score} 电影评价：{move_evaluation} 电影详情页：{move_page}\n"
f.write(str1)
# 使用请求头请求数据
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.102 Safari/537.36'
}
n = 0
# 获取10个链接
for i in range(10):
url = f"https://movie.douban.com/top250"
n += 25
text = get_data(url, headers)
res_list_iter = parser_data(text)
save_data(res_list_iter)
执行结果：
以上就是python使用re模块爬取豆瓣Top250电影的详细内容，更多关于python 爬取豆瓣电影的资料请关注其它相关文章！