通過python正則表達式獲取豆瓣top250的第一頁的25個影片排名,影片名字,影片連接,導演,主演,上映日期,國家,劇情,評分,評價人數的內容
網頁html內容:
?
1 <ol class="grid_view"> 2 <li> 3 <div class="item"> 4 <div class="pic"> 5 <em class="">1</em> 6 <a href="https://movie.douban.com/subject/1292052/"> 7 <img width="100" alt="肖申克的救贖" src="https://img3.doubanio.com/view/photo/s_ratio_poster/public/p480747492.jpg" class=""> 8 </a> 9 </div> 10 <div class="info"> 11 <div class="hd"> 12 <a href="https://movie.douban.com/subject/1292052/" class=""> 13 <span class="title">肖申克的救贖</span> 14 <span class="title"> / The Shawshank Redemption</span> 15 <span class="other"> / 月黑高飛(港) / 刺激1995(臺)</span> 16 </a> 17 18 19 <span class="playable">[可播放]</span> 20 </div> 21 <div class="bd"> 22 <p class=""> 23 導演: 弗蘭克·德拉邦特 Frank Darabont 主演: 蒂姆·羅賓斯 Tim Robbins /...<br> 24 1994 / 美國 / 犯罪 劇情 25 </p> 26 27 28 <div class="star"> 29 <span class="rating5-t"></span> 30 <span class="rating_num" property="v:average">9.6</span> 31 <span property="v:best" content="10.0"></span> 32 <span>1109414人評價</span> 33 </div>
?
代碼:
1 import requests 2 import re 3 url = 'https://movie.douban.com/top250' 4 headers = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64; Trident/7.0; rv:11.0) like Gecko'} 5 response = requests.get(url,headers = headers) 6 print('影片排名:',re.findall(re.compile(r'<em class="">(.*)</em>'),response.text)) 7 print('影片名字:',re.findall(re.compile(r'<span class="title">(.*)</span>'),response.text)) 8 print("影片連接:",re.findall(re.compile(r'<a href="(.*)" class=""'),response.text)) 9 print('導演:',re.findall(re.compile(r'導演: (.*) '),response.text)) 10 print('主演:',re.findall(re.compile(r'主演: (.*)<br>'),response.text)) 11 print('上映日期:',re.findall(re.compile(r'(\d\d\d\d) / '),response.text)) 12 print('國家:',re.findall(re.compile(r' / (.*) / '),response.text)) 13 print('劇情',re.findall(re.compile(r' / 劇情 (.*)'),response.text)) 14 print('評分',re.findall(re.compile(r'<span class="rating_num" property="v:average">(.*)</span>'),response.text)) 15 print('評價人數',re.findall(re.compile(r'<span>(.*)人評價'),response.text))
結果: