这篇文章主要介绍了Python爬取爱奇艺电影信息代码实例,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
一，使用库
1.requests
2.re
3.json
二，抓取html文件
|
1
2
3
4
5
|
def get_page(url): response = requests.get(url) if response.status_code == 200: return response.text return None |
三，解析html文件
我们需要的电影信息的部分如下图（评分，片名，主演）：
抓取到的html文件对应的代码：
可以分析出，每部电影的信息都在一个<li>标签内，用正则表达式解析:
|
1
2
3
4
5
6
7
8
9
|
def parse_page(html): pattern = re.compile('<li.*?qy-mod-li.*?text-score">(.*?)<.*?title.*?>(.*?)<.*?title.*?>(.*?)<', re.S) items = re.findall(pattern, html) for item in items:#转换为字典形式保存 yield { 'score': item[0], 'name': item[1], 'actor': item[2].strip()[3:]#将‘主演：'去掉 } |
四，写入文件
|
1
2
3
4
|
def write_to_file(content): with open('result.txt', 'a', encoding='utf-8')as f: f.write(json.dumps(content, ensure_ascii=False) + '\n')#将字典格式转换为字符串加以保存，并设置中文格式 f.close() |
五，调用函数
|
1
2
3
4
5
6
|
def main(): url = 'https://list.iqiyi.com/www/1/-------------8-1-1-iqiyi--.html' html = get_page(url) for item in parse_page(html): print(item) write_to_file(item) |
六，运行结果
七，完整代码
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
|
import jsonimport requestsimport re# 抓取html文件# 解析html文件# 存储文件def get_page(url): response = requests.get(url) if response.status_code == 200: return response.text return Nonedef parse_page(html): pattern = re.compile('<li.*?qy-mod-li.*?text-score">(.*?)<.*?title.*?>(.*?)<.*?title.*?>(.*?)<', re.S) items = re.findall(pattern, html) for item in items: yield { 'score': item[0], 'name': item[1], 'actor': item[2].strip()[3:] }def write_to_file(content): with open('result.txt', 'a', encoding='utf-8')as f: f.write(json.dumps(content, ensure_ascii=False) + '\n') f.close()def main(): url = 'https://list.iqiyi.com/www/1/-------------8-1-1-iqiyi--.html' html = get_page(url) for item in parse_page(html): print(item) write_to_file(item)if __name__ == '__main__': main() |
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持服务器之家。
原文链接：https://www.cnblogs.com/chenchang-rjgc/p/11877301.html
