requests项目实战--抓取猫眼电影排行

requests项目实战--抓取猫眼电影排行

目标 url : https://maoyan.com/board/4?offset=0

提取出猫眼电影TOP100的电影名称，主演，上映时间，评分，图片等信息，提取的结果以文本的形式保存起来。

环境：安装requests库，lxml--xpath解析

pip3 install requests

pip3 install lxml

抓取分析：

offset为偏移量，一共10页，每页10部电影，offset=90为最后一页，offset每次+=10则是下一页的url地址。

xpath内容提取：

获取每一页的所有电影名:

//p[@class='name']/a/text()

获取每一页所有的主演名：

//p[@class='star']/text()

获取每一页的所有电影上映时间：

//p[@class='releasetime']/text()

获取每一页所有的电影评分

//p[@class='score']/i/text()

获取每一页所有电影图片url地址

//img[@class='board-img']/@src

完整代码:

#!/usr/bin/env python
# coding: utf-8

import requests
from lxml import etree
import time
import JSON


class Item:
    movie_name = None   # 电影名
    to_star = None  # 主演
    release_time = None   # 上映时间
    score = None   # 评分
    picture_address = None   # 图片地址


class GetMaoYan:
    def get_html(self, url):
        try:
            headers = {
                'User-Agent': 'Mozilla/5.0 (windows NT 10.0; Win64; x64) AppleWEBKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36'
            }
            response = requests.get(url=url, headers=headers)
            if response.status_code == 200:
                return response.text
            return None
        except Exception:
            return None

    def get_content(self, html):
        items = []
        # nORMalize-space 去空格，换行符
        content = etree.HTML(html)
        all_list = content.xpath("//dl[@class='board-wrapper']/dd")
        for i in all_list:
            item = Item()
            item.movie_name = i.xpath("normalize-space(.//p[@class='name']/a/text())")
            item.to_star = i.xpath("normalize-space(.//p[@class='star']/text())")
            item.release_time = i.xpath("normalize-space(.//p[@class='releasetime']/text())")
            x, y = i.xpath(".//p[@class='score']/i/text()")
            item.score = x + y
            item.picture_address = i.xpath("normalize-space(./a/img[@class='board-img']/@data-src)")
            items.append(item)
        return items

    def write_to_txt(self, items):
        content_dict = {
            'movie_name': None,
            'to_star': None,
            'release_time': None,
            'score': None,
            'picture_address': None
                        }
        with open('result.txt', 'a', encoding='utf-8') as f:
            for item in items:
                content_dict['movie_name'] = item.movie_name
                content_dict['to_star'] = item.to_star
                content_dict['release_time'] = item.release_time
                content_dict['score'] = item.score
                content_dict['picture_address'] = item.picture_address
                print(content_dict)
                f.write(json.dumps(content_dict, ensure_ascii=False) + '\n')

    def main(self, offset):
        url = 'Https://maoyan.com/board/4?offset=' + str(offset)
        html = self.get_html(url)
        items = self.get_content(html)
        self.write_to_txt(items)


if __name__ == '__main__':
    st = GetMaoYan()
    for i in range(10):
        st.main(offset=i*10)
        time.sleep(1)

运行结果:

文本结果：