|
刚接触Python,想学习爬虫,最近在看 《python3 网络爬虫开发实战》
代码能成功运行,就是代码有的地方不太理解,请求大佬们抽空解答一下。
下面是全部的代码
import requests
import re
import json
from requests.excepti** import RequestException
import time
def get_one_page(url):
try:
headers = {
'User-Agent': 'Mozilla/5.0 (Macintosh: Intel Mac OS X 10_13_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.162 Safari/537.36'
}
resp**e = requests.get(url, headers=headers)
if resp**e.status_code == 200:
return resp**e.text
return None
except RequestException:
return None
def parse_one_page(html):
pattern = re.compile(
'<dd>.*?board-index.*?>(.*?)</i>.*?data-src="(.*?)".*?name.*?a.*?>(.*?)</a>.*?star.*?>(.*?)</p>.*?releasetime.*?>(.*?)</p>.*?integer.*?>(.*?)</i>.*?fraction.*?>(.*?)</i>.*?</dd>',
re.S)
items = re.findall(pattern, html)
for item in items:
yield {
'index': item[0],
'image': item[1],
'title': item[2].strip(),
'actor': item[3].strip()[3:] if len(item[3]) > 3 else '',
'time': item[4].strip()[5:] if len(item[4]) > 5 else '',
'score': item[5].strip() + item[6].strip()
}
def write_to_file(content):
with open('result.txt', 'a', encoding='utf-8') as f:
print(type(json.dumps(content)))
f.write(json.dumps(content, ensure_ascii=False)+ '\n')
def main(offset):
url = 'http://maoyan.com/board/4?offset=' + str(offset)
html = get_one_page(url)
for item in parse_one_page(html):
print(item)
write_to_file(item)
if __name__ == '__main__':
for i in range(10):
main(offset=i * 10)
time.sleep(1)
上面,写入文件的步骤中,content这个参数不太理解,感觉上下文代码中也没有出现这个单词,怎么能成功运行这部分代码的。
书中是如此解释的:
通过调用 write_to_json() 方法即可实现将字典写入到文本文件的过程,此处的 content 参数就是一部电影的提取结果,是一个字典。
这个地方不太理解,全部代码中只有 write_to_json() 方法中出现了content,不理解是如何成功运行的,我理解的在别的部分应该会出现这个参数,才能连贯起来的。
请闲暇的大神们,抽空解答一下,不胜感激!
|
|