前言
我看到最近幾部電影很火，查了一下貓眼電影上的數(shù)據(jù)，發(fā)現(xiàn)還有個(gè)榜單，里面有各種經(jīng)典和熱映電影的排行榜，然后我覺得電影封面圖還挺好看的，想著一張一張下載真是費(fèi)時(shí)費(fèi)力，于是突發(fā)奇想，好像可以用一下最近學(xué)的東西實(shí)現(xiàn)我的需求，學(xué)習(xí)了正則表達(dá)式之后，想著要感受一下它在爬蟲里面的效果和優(yōu)缺點(diǎn)。
目標(biāo)：爬取Top100榜單上電影的封面圖
Top100榜單規(guī)則：將貓眼電影庫中的經(jīng)典影片，按照評分和評分人數(shù)從高到低綜合排序取前100名，每天上午10點(diǎn)更新。相關(guān)數(shù)據(jù)來源于“貓眼電影庫”。
下面是我做的步驟：
（1）查看頁面元素，找到包含圖片的路徑的代碼段落
（2）分析圖片在web上面的唯一屬性，便于之后獲取正確圖片位置信息
（3）因?yàn)樾枰?，觀察多個(gè)頁面的URL變化
（4）綜合以上幾個(gè)點(diǎn)，編寫合適的正則表達(dá)式
?1、python 標(biāo)準(zhǔn)庫中re模塊提供了正則表達(dá)式的全部功能，直接引入；requests模塊是http庫，爬蟲常用庫，而urllib.requests 則是最后用到寫入文件的函數(shù)
import re
import requests
import urllib.request
2、先接收URL地址的HTML頁面，然后轉(zhuǎn)化為str形式（正則表達(dá)式是匹配字符串），第一個(gè)pattern1縮小范圍，抓取目標(biāo)部分，result1接收匹配的結(jié)果，這時(shí)候所有封面圖地址就在里面了
response = requests.get(url)
response = str(response.content)
patttern1 = '
-
.+?
3、第二個(gè)正則，匹配圖片的地址信息
pat2 = '
![]()
?4、繼續(xù)下一步，把每張圖片命名好，需要正確的圖片地址，避免重復(fù)?
x = 1
for imgurl in name:
imgname = 'D:/Top 100/'+str(i/10)+str(x)+'.jpg'
imgurl = 'https://'+imgurl
urllib.request.urlretrieve(imgurl,filename=imgname)
x += 1
?5、最后一步了，因?yàn)樾枰撆廊?，所以加了一個(gè)循環(huán)，10頁內(nèi)容爬取下來
for i in range(0, 100, 10):
url = 'http://maoyan.com/board/4?offset='+str(i)
get_one_page(url, i)
#定義函數(shù)，多次調(diào)用
相對來說，這是一個(gè)很簡單的應(yīng)用，也是自己學(xué)習(xí)之后的實(shí)踐，在這個(gè)例子中，我是用到正則表達(dá)式來實(shí)現(xiàn)的，還有其他方法，而且可能簡單，比如BeautifulSoup，XPath等方法，用在更加復(fù)雜的爬蟲項(xiàng)目里面，需要的知識更多，方法更嚴(yán)謹(jǐn)，還需學(xué)習(xí)學(xué)習(xí)！
總結(jié)
以上就是這篇文章的全部內(nèi)容了，希望本文的內(nèi)容對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，謝謝大家對腳本之家的支持。
'
photos = re.compile(pat1).findall(re1[0])</pre>
</div>
<p>這時(shí)候爬取到100張圖的信息，如下圖：</p>
<p style=)
更多文章、技術(shù)交流、商務(wù)合作、聯(lián)系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯(lián)系： 360901061
您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點(diǎn)擊下面給點(diǎn)支持吧，站長非常感激您！手機(jī)微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點(diǎn)擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對您有幫助就好】元
