Python爬虫（三）：爬取猫眼电影网经典电影TOP100信息并存入本地Markdown文件（下）

悠悠 2022-06-05 11:30 226阅读 0赞

--------------------

> **运行环境：`Python3.6.2`、`Pycharm2017.2`**  
> **附此爬虫代码GitHub地址：[https://github.com/IMWoolei/MaoYanMovies][https_github.com_IMWoolei_MaoYanMovies]**  
>   
> **==>【[效果链接][Link 1]】**

--------------------

**上一篇博客【[链接][Link 2]】**

## **正文** ##

`Markdown`作为一个易上手的标记书写语言，能够提供高效清晰的书写板是，一直是我很喜欢的书写工具。  
`Python`的第三方库中提供了`Markdown`模块，用于`Markdown`的书写，以及提供转`html`等功能。  
实际上`Markdown`是一个纯文本的标记语言，其文件的拓展名为`*.md`，我们甚至可以直接使用记事本书写。上一篇博客中我们得到了经典`TOP100`的电影信息，我们将其信息写入到`Markdown`文件中，使其更好的可视化。因为没有将其转为`html`文件，所以在这次代码中就没有使用到`markdown`模块，而是直接将其写入拓展名为`*.md`的文本文件中。

### **完整代码** ###

import requests
 import re
 import json
 
 headers = {
 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.94 Safari/537.36',
 'Referer': 'http://maoyan.com/board/4?offset=0'}
 
 
 def getPage(url):
 try:
 response = requests.get(url, headers=headers)
 # print(response.status_code)
 if response.status_code == 200:
 return response.text
 else:
 return None
 except Exception:
 return None
 
 
 def getInfo(html):
 # 正则匹配出电影的索引、海报、电影名、主演、评分
 pattern = re.compile(
 '<dd>.*?(\d+).*?<a href="(.*?)".*?<img data-src="(.*?)".*?'
 '<a.*?>(.*?)</a>.*?(.*?).*?'
 '(.*?).*?(.*?)(.*?).*?</dd>',
 re.S)
 
 items_list = re.findall(pattern, html)
 for item in items_list:
 yield {
 'index': item[0],
 'link': 'http://maoyan.com' + item[1],
 'image': item[2],
 'name': item[3],
 'actor': item[4].strip()[3:],
 'time': item[5].strip()[5:],
 'score': item[6] + item[7]
 }
 
 
 def writeMarkdown(field):
 with open('Movies_Info_MD.md', mode='a', encoding='utf-8') as f:
 info_dict = json.dumps(field, ensure_ascii=False)
 print('----->' + info_dict)
 f.write('## No:' + field['index'] + '\n') # 写入排名
 f.write('![image](' + field['image'] + ')\n') # 写入海报，注意Markdown中插入图片的语法
 f.write('### **' + field['name'] + '** \n') # 写入影片名
 f.write('#### **主演**：' + field['actor'] + '\n') # 写入主演
 f.write('#### **上映时间**：' + field['time'] + '\n') # 写入上映时间
 f.write('#### **评分**：' + field['score'] + '\n') # 写入评分
 f.write('[了解更多...](' + field['link'] + ')\n\n')
 f.write('------\n') # 写入分割线，在Markdown语法中至少三个'-'以上才能构成分割线
 f.close()
 
 
 if __name__ == '__main__':
 for num in [i * 10 for i in range(11)]:
 url = 'http://maoyan.com/board/4?offset=' + str(num)
 html = getPage(url)
 for item in getInfo(html):
 # print(item)
 writeMarkdown(item)

### **运行效果** ###

![markdown][]

除此之外，我将生成的`Markdown`文件导入到了我的`CSDN`博客中【[链接][Link 3]】

--------------------

[https_github.com_IMWoolei_MaoYanMovies]: https://github.com/IMWoolei/MaoYanMovies
[Link 1]: http://blog.csdn.net/imw_mg/article/details/78638188
[Link 2]: http://blog.csdn.net/imw_mg/article/details/78637947
[markdown]: https://img-my.csdn.net/uploads/201711/26/1511685466_7009.png
[Link 3]: http://blog.csdn.net/IMW_MG/article/details/78638188