本文主要向大家介绍了Python爬虫实战：使用Requests+正则表达式爬取猫眼电影，通过具体的内容向大家展示，希望对大家学习Python爬虫实战有所帮助。

学习目的：

通过一个一个简单的爬虫应用，初窥门径。

正式步骤

Step1：流程框架

抓取单页内容：利用requests请求目标站点，得到单个页面的html代码，返回结果；

正则表达式分析：根据html页面代码分析得到猫眼电影的名称、主演、上映时间、评分、图片信息等；

保存至文件：通过文件的形式将结果保存，每一部电影一个结果一行json字符串；

开启循环及多线程：对页面内容进行遍历，开启多线程提高抓取效率

Step2：实际步骤+分析

1. 在pycharm中新建一个Python项目，新建一个文件spider.py

2.运行代码：

# -*-  coding:utf-8 -*- import requests import re import json from requests.exceptions import RequestException from multiprocessing import Pool def get_page_html(url):    #设置headers是猫眼加了反爬机制    headers = {        'user-agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36'    }    try:        response = requests.get(url,headers=headers)        if response.status_code == 200:            return response.text        return None  #如果页面状态码不为200，则函数终止    except RequestException:        return None  #如果测试代码异常，则无返回，函数结束 def parse_page_html(html):    pattern = re.compile('

.*?board-index.*?>(d+).*?data-src="(.*?)".*?name">(.*?).*?star">(.*?)

.*?releasetime">(.*?)

'                          +'.*?integer">(.*?).*?fraction">(.*?).*?

',re.S)    items = re.findall(pattern,html)    for item in items:        yield {            'index':item[0],            'image':item[1],            'name':item[2],            'actor':item[3].strip()[3:],            'date':item[4].strip()[5:],            'score':item[5]+item[6]        } def save_file(content):    with open("detail.txt",'a',encoding='utf-8') as f:        f.write(json.dumps(content,ensure_ascii=False)+'n')        f.close() def main(offset):    url = "//maoyan.com/board/4?offset="  + str(offset)    html = get_page_html(url)    for detail in parse_page_html(html):        save_file(detail) if __name__ == '__main__':    # for offset in range(10):    #     main(offset*10)    pool = Pool()    pool.map(main,[i*10 for i in range(10)])

运行结果不添加了，此外，最后注释掉的代码，功能是非多线程的

学习总结：

爬虫涉及的Python基础应用非常多，还是那个8/2原则，先掌握20%最常用的，最重要的，再慢慢熟悉80%需要学会用即可的功能

本文由职坐标整理并发布，了解更多内容，请关注职坐标编程语言Python频道！