请问我这段代码为什么不执行正则表达式，还有奇怪报错？
本帖最后由 jiuridi 于 2020-4-17 19:52 编辑import re # 正则表达式，进行文字匹配
import urllib.request, urllib.error# 制定URL,获取网页数据
import xlwt # 进行excel操作
import sqlite3 # 进行数据库操作
from bs4 import BeautifulSoup # 网页解析，获取数据
def main():
baseURL = "https://movie.douban.com/top250?start=0"
#爬取网页
datalist = getData(baseURL)
# savepath = ".\\豆瓣电影top250.xls"
# 保存数据
#saveDate(savepath)
#askURL("https://movie.douban.com/top250?start=0")
findLink = re.compile(r'<a href="(.*?)">') #创建正则表达式对象，表示规则（字符串的模式）
#影片图片
findImgSrc = re.compile(r'<img.*src="(.*?)"',re.S) #re.S 让换行符包含在字符中
#影片片名
findTitle = re.compile(r'<span class="title">(.*)</span>')
#影片评分
findRating = re.compile(r'<span class="rating_num" property="v:average">(.*)</span>')
#找到评价人数
findJudge = re.compile(r'<span>(\d*)人评价</span>')
#找到概况
findInq = re.compile(r'<span class="inq">(.*)</span>')
#找到影片的相关内容
findBd = re.compile(r'<p class="">(.*?)</p>',re.S)
#爬取网页
def getData(baseurl):
datalist = []
for i in range(0,10): #第九页 调用获取页面信息的函数，10次
url = baseurl + str(i*25)
html =askURL(url)
print(html)
print(type(html)) #保存获取到的源码
# 解析数据
# print(type(datalist))
#逐一解析
soup = BeautifulSoup(html, "html.parser")
for item in soup.find_all(class_="item"):
data = [] #保存一部电影的所有信息
#print(item) #测试查看电影item
item = str(item)
link = re.findall(findLink,item) #需要给一个规则，正则表达式查找指定字符串获取第一个【0】
data.append(link) #添加链接
imgSic = re.findall(findImgSrc,item)
data.append(imgSic) #添加图片
titles = re.findall(findTitle,item) #片名可能只有一个中文名
if(len(titles) == 2):
ctitle = titles #添加中国名
data.append(ctitle)
otitle = titles.replace("/","")#去掉无关符号
data.append(otitle) #添加外国名
else:
data.append(titles)
data.append(" ") #外国名字没有也要留空
rating = re.findall(findRating,item)
data.append(rating) #添加评分
judgeNum = re.findall(findJudge,item)
data.append(judgeNum) #添加评价人数
inq = re.findall(findInq,item)
if len(inq) != 0:
inq = inq.replace("。","") #去掉句号
data.append(inq) # 添加概述
else :
data.append(" ") #没有也要加空
bd = re.findall(findBd,item)
bd = re.sub("<br(\s+)?/>(\s)?"," ",bd) #去掉<br/>
bd = re.sub("/"," ",bd) #去掉/
data.append(bd.strip( )) #去掉空格
datalist.append(data) #电影信息
print(datalist)
return datalist
#得到指定一个URL的网页内容
def askURL(url):
head = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3314.0 Safari/537.36 SE 2.X MetaSr 1.0"
}
#用户代理，伪装成浏览器
request = urllib.request.Request(url,headers=head)
html = " "
try:
response = urllib.request.urlopen(request)
html = response.read().decode("utf-8")
# print(html)
# print(type(html))
except urllib.error.URLError as e:
if hasattr(e,"code"):
print(e.code)
if hasattr(e,"reason"):
print(e.reason)
return html
def saveDate(savepath):
print("save......")
#保存数据
if __name__ == "__main__": #当程序执行时
#调用函数
main()
#init_db("movietest.db")
print("爬取完毕！")
页:
[1]