开门见山
最近吧，迷上了看电影。（事先声明，我并不是拖更去看的电影，emmm我自己都不信）
所以今儿我们来抓取猫眼电影 Top 100 榜单中所有的电影信息。
工具篇：
依旧是我们的老伙伴，PyCharm 和 Google 浏览器，同时python 版本为3.6.6
新手村村长发布的任务：
· 抓取 Top 100 榜单
· 输入爬取的起始页：2
· 输入爬取的终止页：7
· 获取 Top 100 榜单里指定范围内的全部电影的电影名称，主演信息，上映时间，并存储到 csv 文件当中
预期运行结果：
工程目录下会出现一个 csv 文件
努力刷电影，勤勉做鸽子
教学开始：
第一步：打开 PyCharm
第二步，打开 猫眼电影
第三步，泡壶茶看会电影，低俗小说 是真的好看
第四步，回到正题
抓取猫眼榜单，我们要分 4步走：
1、抓取 Top 100 榜单
2、进行翻页操作
3、获取所有电影的电影名称，主演信息，上映时间
4、将上述三个信息存储到 csv 文件当中
此次项目，依然用面向对象来完成。面向对象有些忘记的小伙伴可以看看复习一下哟
友好的基础教学环节 双 开始了，本次是正则表达式，源代码在最后哟！加油加油，我是最胖的，给自己打个气。
一、Python 中的 re 模块
正则表达式的规则~
1）match()
match()：尝试从字符串的开头进行正则表达式的匹配。如果匹配成功，返回结果；如果匹配失败，则返回 None.
可以说，match() 函数中放的是你所制定的规则，你要它匹配啥样的，它就乖乖匹配啥样的。当然前提是你规则对了【小声哔哔】
示例代码：
运行结果：
最好对照上面的表看哟
2）.* 方法
“.” ：匹配除换行符外的任意字符
“*“ ：匹配出现任意次
所以组合起来，“.*”就可以代表匹配任意字符
懒癌晚期患者最喜欢的方法没有之一
示例代码：
运行结果：
3）贪婪匹配与非贪婪匹配
贪婪匹配（.*）：在正则表达式匹配成功的前提下，尽可能多的匹配
非贪婪匹配（.*?）：在正则表达式匹配成功的前提下，尽可能少的匹配
一个是勤快的人，另一个是我。能少干点就少干点bia~
示例代码：
运行结果：
4）search()
search()：扫描整个字符串，找到符合正在表达式的第一个字符，并返回结果。
示例代码：
运行结果：
在这里提一嘴，在正则表达式中，group() 是用来提出分组截获的字符串的，group() 就是匹配正则表达式整体结果
5）findall()
findall()：扫描整个字符串，返回符合正则表达式的字符串列表
示例代码：
运行结果：
6）compile()
compile()：将字符串编译为正则表达式对象
示例代码：
运行结果：
二、正则表达式在网页中使用
刚刚说了那么多 re模块里的东西，这个正则表达式到底怎么在网页中使用呢。
别急，我们来举个栗子！
首先，我们打开了猫眼网页
在右上角的
这里面，找到开发者工具，快捷键是 Ctrl + Shift + I
使用后，会发现你的页面变成了这样。
是的，没有错！这里就是我们网站的源代码，而我们的信息也都是从这上面爬取的。
Question:
倘若我想找到这个信息的源代码，去哪里找呢？
Answer：
1）点击你源代码页面左上角的鼠标图案
2）选中你要查看的信息
3）在源代码中，有一个区域变成了蓝色，是的！它就是你苦苦找寻的代码，大明湖畔的夏雨荷
我们把这段代码 复制 粘贴下来，做个分析。
你会发现，我们所要的信息都在这里
【示例代码】
【运行结果】
三、csv 模块的使用
1）普通文本文件操作
【示例代码】
2）csv 文件的操作
【示例代码】
四、爬取猫眼电影榜单
【示例代码】
【教学分析】
1）__init__()：构造函数
确立基本 url 路线和爬虫头：https://maoyan.com/board/4
4 指的是 Top 100 榜
2）get_html()：获取网页源代码
3）change_page()：翻页
offset 用于控制页面，在爬取百度贴吧时说过
4）get_info()：提取我们要的信息
5）save_info()：保存为csv文件
【运行结果】
好了，到这里教学也就结束了。
接下来，我说几句批话。
首先，我先道个歉，各种事情纠缠拖了这么久，挺对不起各位读者的。
没多少人看，先给自己定个小目标吧。点赞过百，我周更，以民族起誓卓某人说到做到。
源代码奉上：
import urllib.request
import re
import csv
class Maoyan_movie():
def __init__(self):
self.base_url="https://maoyan.com/board/4?"
self.headers={"User-Agent":"Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.100 Safari/537.36"}
def get_html(self,url): #获取网页源代码的函数
req=urllib.request.Request(url,headers=self.headers)
res=urllib.request.urlopen(req)
html=res.read().decode("utf-8")
self.get_info(html) #调用解析函数获取数据
def change_page(self):
begin=int(input("请输入爬取的起始页："))
end=int(input("请输入爬取的终止页："))
for page in range(begin,end+1):
offset=(page-1)*10 #得到控制页数的参数
url=self.base_url+"offset="+str(offset)
self.get_html(url) #调用上层函数获取网页源代码
def get_info(self,html): #解析网页中数据的函数
p = re.compile('<div class="movie-item-info">.*?title="(.*?)".*?class="star">(.*?)</p>.*?class="releasetime">(.*?)</p>',re.S)
result = re.findall(p,html)
self.save_info(result) #调用保存数据函数
def save_info(self,result):#保存数据的函数
for i in result:
name=i[0].strip() #strip()可以去掉字符串两边的空白字符以及换行符
star=i[1].strip()
time=i[2].strip()
content=[name,star,time] #将三条数据合并为一个列表，以便写入csv文件
with open("movie.csv","a",encoding="utf-8",newline="") as f:
writer=csv.writer(f)
writer.writerow(content)
maoyan=Maoyan_movie()
maoyan.change_page()