目前正在学Python爬虫,正在读崔庆才的《Python3网络爬虫开发实战》,之前学习正则表达式,但是由于太难,最后放弃了(学渣的眼泪。。。。),在这本书上的抓取猫眼电影排行上,后来自学了pyquery,发现用pyquery可以解决这个问题,目前自己试着写了代码
以下代码没有图的链接
import requestsfrom pyquery import PyQuery as pqimport time def get_one_page(url): headers = { 'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.79 Safari/537.36' } html = requests.get(url=url,headers=headers) return html.text def parse_one_page(html): doc = pq(html) items = doc('dd').items() for item in items: item1 = item.find('.board-item-main .board-item-content .movie-item-info')#空格表示嵌套 item2 = item.find('.board-index') print('名次:' + item2.text()) name = item1.find('.name').text() star = item1.find('.star').text() time = item1.find('.releasetime').text() score = item1.siblings('.movie-item-number .score .integer').text() + item1.siblings('.movie-item-number .score .fraction').text() print('电影名:' + name + '\n' + star + '\n' + time + '\n' + '评分:'+score +'\n') def main(offset): url = 'http://maoyan.com/board/4?offset=' + str(offset) #设置偏移量 html = get_one_page(url) parse_one_page(html) if __name__ == '__main__': for i in range(10): main(offset = i * 10) time.sleep(1)#由于现在猫眼多了反爬虫,如果速度过快则无响应,所以要添加延时等待。