爬蟲練手-豆瓣top250(go版以及python版)
最近學習go,就找了一個例子練習【go語言爬蟲】go語言爬取豆瓣電影top250,思路大概就是獲取網頁,然後根據頁面元素,用正規表示式匹配電影名稱、評分、評論人數。原文有個地方需要修改下<code>pattern4 := <img width="100" alt="(.*?)" src=
</code>,這樣就能執行了
這個例子可以由修改下變成併發的形式,提高效能(參考golang 併發 chan)
var sem chan int = make(chan int,10);
for i := 0; i < 10; i++ {
go func(i int) {
header := map[string]string{
"Host": "movie.douban.com",
"Connection": "keep-alive",
"Cache-Control": "max-age=0",
"Upgrade-Insecure-Requests": "1",
"User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.143 Safari/537.36",
"Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8",
"Referer": "https://movie.douban.com/top250",
}
fmt.Println("正在抓取第" + strconv.Itoa(i) + "頁......")
url := "https://movie.douban.com/top250?start=" + strconv.Itoa(i*25) + "&filter="
spider := &Spider{url, header}
html := spider.get_html_header()
pattern2 := `<span>(.*?)評價</span>`
rp2 := regexp.MustCompile(pattern2)
find_txt2 := rp2.FindAllStringSubmatch(html, -1)
pattern3 := `property="v:average">(.*?)</span>`
rp3 := regexp.MustCompile(pattern3)
find_txt3 := rp3.FindAllStringSubmatch(html, -1)
pattern4 := `<img width="100" alt="(.*?)" src=`
rp4 := regexp.MustCompile(pattern4)
find_txt4 := rp4.FindAllStringSubmatch(html, -1)
for i := 0; i < len(find_txt2); i++ {
fmt.Printf("%s %s %s\n", find_txt4[i][1], find_txt3[i][1], find_txt2[i][1], )
f.WriteString(find_txt4[i][1] + "\t" + find_txt3[i][1] + "\t" + find_txt2[i][1] + "\t" + "\r\n")
}
sem <- 0
}(i)
}
for i := 0; i < 10; i++ { <-sem }
close(sem)
到這裡go爬蟲部分已經介紹完畢,百無聊賴之際又寫了一個python版,python果真是簡潔,最後祝大家買買買得開心
# coding=utf-8 #
import re
import urllib2
import datetime
def getDouban(i):
print "爬取第" + str(i)+"頁"
html = "https://movie.douban.com/top250?start=" + str(i) + "&filter="
try:
page = urllib2.urlopen(html, timeout=3)
result = page.read()
score = re.findall('property="v:average">(.*?)</span>',result)
person = re.findall('<span>(.*?)評價</span>',result)
name= re.findall('<img width="100" alt="(.*?)" src=', result)
j=0
while j<len(name):
print name[j], score[j]+'分', person[j]
j=j+1
except:
print i
starttime = datetime.datetime.now()
params=[]
for i in range(25):
getDouban(i)
endtime = datetime.datetime.now()
print "爬蟲歷時"+str((endtime-starttime).seconds)+"s完成"
相關文章
- 豆瓣top250(go版以及python版)GoPython
- 爬蟲教程——用Scrapy爬取豆瓣TOP250爬蟲
- python——豆瓣top250爬取Python
- 專案之爬蟲入門(豆瓣TOP250)爬蟲
- python爬蟲知識點三--解析豆瓣top250資料Python爬蟲
- [python爬蟲] BeautifulSoup和Selenium對比爬取豆瓣Top250電影資訊Python爬蟲
- 【python爬蟲案例】利用python爬取豆瓣電影TOP250評分排行資料!Python爬蟲
- 使用python爬取豆瓣電影TOP250Python
- Python爬取分析豆瓣電影Top250Python
- Socket爬蟲:Python版爬蟲Python
- python爬蟲系列版Python爬蟲
- 【python爬蟲案例】利用python爬取豆瓣讀書評分TOP250排行資料Python爬蟲
- 豆瓣top250資料爬取
- 豆瓣電影TOP250爬蟲及視覺化分析筆記爬蟲視覺化筆記
- 豆瓣預告片爬蟲以及管理後臺爬蟲
- 06、豆瓣爬蟲爬蟲
- 爬蟲豆瓣美女爬蟲
- Python非同步爬蟲(aiohttp版)Python非同步爬蟲AIHTTP
- 手把手教你網路爬蟲(爬取豆瓣電影top250,附帶原始碼)爬蟲原始碼
- scrapy入門:豆瓣電影top250爬取
- python爬蟲開發微課版pdf_Python爬蟲開發實戰教程(微課版)Python爬蟲
- python爬蟲練習之爬取豆瓣讀書所有標籤下的書籍資訊Python爬蟲
- 爬取豆瓣電影Top250和資料分析
- python爬蟲實戰教程-Python爬蟲開發實戰教程(微課版)Python爬蟲
- 正規表示式_爬取豆瓣電影排行Top250
- Python爬蟲筆記(4):利用scrapy爬取豆瓣電影250Python爬蟲筆記
- Python爬蟲教程-17-ajax爬取例項(豆瓣電影)Python爬蟲
- python爬蟲 爬取豆瓣電影 1-10 ajax 資料Python爬蟲
- Python爬蟲專案100例,附原始碼!100個Python爬蟲練手例項Python爬蟲原始碼
- 簡單網路爬蟲Ruby版爬蟲
- 【Python學習】爬蟲爬蟲爬蟲爬蟲~Python爬蟲
- python爬蟲實踐: 豆瓣小組命令列客戶端Python爬蟲命令列客戶端
- 手機版python爬取網頁書籍Python網頁
- Day1--豆瓣圖書爬蟲爬蟲
- 【個人記錄】零基礎python爬蟲練習——七行程式碼爬取豆瓣一週口碑榜Python爬蟲行程
- Python:獲取豆瓣電影TOP250列表Python
- 爬蟲01:爬取豆瓣電影TOP 250基本資訊爬蟲
- 爬蟲練習--草稿爬蟲