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.requestimport reimport 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'<span\s+class="rating_nums">([0-9.]+)<\/span>',tagUrl_read)    evaluateURL = re.findall(r'<span\s+class="pl">\((\w+)人评价\)<\/span>',tagUrl_read)    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*20num=0page_num=1newlist=[]while num<num_end:    url=r'http://movie.douban.com/tag/%s?start=%d'%(movie_type,num)    movie_url = movie(url)    subject_url=subject(movie_url)    num=page_num*20    page_num+=1else:    #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')