想要了解最近电影院播放的都有什么影视电影,哪部值得推荐,如果单纯靠手动收搜不全面,下面我们就先使用urllib.request模块抓取整个网页,再使用re模块获取电影信息,做个简单的爬虫做个数据分析。
编写simpleCrawlerNowMoive.py代码如下
#!/usr/bin/env python # coding: utf-8 __author__ = 'www.py3study.com' import re import urllib.request class TodayMoive(object): def __init__(self): self.url = 'https://movie.douban.com/people/1166776/' self.timeout = 3 self.filename = 'todaymoive.txt' '''内部变量定义完毕''' self.getmoiveinfo() def getmoiveinfo(self): response = urllib.request.urlopen(self.url, timeout=self.timeout) content = response.read().decode('utf-8') #findall匹配电影名字的段落 moivelist = re.findall('class="cover"><img alt="', '') st = st.replace('"', '') #split字符串切割,以' '空格为分隔符,取第0个值 st = st.split(' ')[0] return st if __name__ == '__main__': tm = TodayMoive()
应该看到的结果
会在当前目录下生成一个todaymoive.txt文件,内容如下。
如果单从这些代码看起来是不是以为不是爬虫,其实严格意义上来说这个就是爬虫,只是相对来说内容简单,爬取的数据相对较少。大体上的爬虫框架是这么回事,如果用来爬取大型项目也是没有问题的。