Python爬虫-利用正则表达式爬取猫眼电影

利用正则来爬去猫眼电影

===================================

=====================================================

 1 '''
 2 利用正则来爬去猫眼电影
 3 1. url: http://maoyan.com/board
 4 2. 把电影信息尽可能多的拿下来
 5 
 6 分析
 7 1. 一个影片的内容是以dd开是的单元
 8 2. 在单元内存在一部电影的所有信息
 9 
10 思路：
11 1. 利用re把dd内容都给找到
12 2. 对应找到的每一个dd，用re挨个查找需要的信息
13 
14 方法就是三步走：
15 1. 把页面down下来
16 2. 提取出dd单元为单位的内容
17 3. 对每一个dd，进行单独信息提取
18 '''
19 
20 
21 from urllib import request
22 
23 #1 下载页面内容
24 url = "http://maoyan.com/board"
25 
26 rsp = request.urlopen(url)
27 html = rsp.read().decode()
28 
29 
30 
31 #2 按dd提取出内容来，缩小处理范围
32 import re
33 
34 s = r'<dd>(.*?)</dd>'
35 
36 pattern = re.compile(s, re.S)
37 
38 films = pattern.findall(html)
39 print(len(films))
40 
41 
42 
43 #3. 从每一个dd中单独提取出需要的信息
44 for film in films:
45 
46     # 提取电影名称
47     s = r'<a.*?title="(.*?)"'
48     pattern = re.compile(s)
49     title = pattern.findall(film)[0]
50     print(title)