python正则匹配抓取豆瓣电影链接和评论代码分享
复制代码 代码如下:
import urllib.request
import re
import time
def movie(movieTag):
tagUrl=urllib.request.urlopen(url)
tagUrl_read = tagUrl.read().decode(\’utf-8\’)
return tagUrl_read
def subject(tagUrl_read):
\’\’\’
这里还存在问题：
①这只针对单独的一页进行排序，而没有对全部页面的电影进行排序
②下次更新添加电影链接，考虑添加电影海报
③需要追加列表
④导入到本地txt或excel中
⑤在匹配电影名字时是否可以同时匹配链接与名字、评分、评论组成数组
⑥
\’\’\’
#正则表达式匹配电影的名字（链接）、评分与评论
nameURL = re.findall(r\'(http://movie.douban.com/subject/[0-9.]+)\\/\”\\s+title=\”(.+)\”\’,tagUrl_read)
scoreURL = re.findall(r\'
evaluateURL = re.findall(r\'
movieLists = list(zip(nameURL,scoreURL,evaluateURL))
newlist.extend(movieLists)
return newlist
#用quote处理特殊（中文）字符
movie_type = urllib.request.quote(input(\’请输入电影类型(如剧情、喜剧、悬疑)：\’))
page_end=int(input(\’请输入搜索结束时的页码：\’))
num_end=page_end*20
num=0
page_num=1
newlist=[]
while num
movie_url = movie(url)
subject_url=subject(movie_url)
num=page_num*20
page_num+=1
else:
#使用sorted函数对列表进行排列，reverse参数为True时升序，默认或False时为降序， key=lambda还不是很明白这里的原理
movieLIST = sorted(newlist, key=lambda movieList : movieList[1],reverse = True)
for movie in movieLIST:
print(movie)
time.sleep(3)
print(\’结束\’)