今天我要利用requests库和正则表达式抓取猫眼电影Top100榜单。
运行平台: Windows Python版本: Python3.6 IDE: Sublime Text 其他工具:Chrome浏览器
浏览器打开猫眼电影首页,点击“榜单”,然后再点击"TOP100榜",就能看到想要的了。
接下来通过代码来获取网页的HTML代码。
运行结果如下:
在上图中,已经标注出我们将要提取的内容,下面用代码实现:
运行结果如下:
获取电影信息之后,要保存起来留用。要保存的有文本信息和电影封面。
下面为保存结果:
通过点击标签页发现只是URL变化了:
修改main函数以动态改变URL:
到此我们已经将TOP100的电影信息和封面全部得到了。
此次抓取的数据不算多,但是为了学习,使用多进程进行抓取,以应对以后大量的数据抓取。
下面为普通抓取和多进程抓取的时间对比:
以下为完整代码: