最近學(xué)習(xí)go,就找了一個(gè)例子練習(xí)【go語言爬蟲】go語言爬取豆瓣電影top250，思路大概就是獲取網(wǎng)頁，然后根據(jù)頁面元素，用正則表達(dá)式匹配電影名稱、評(píng)分、評(píng)論人數(shù)。原文有個(gè)地方需要修改下pattern4 := ，這樣就能運(yùn)行了

結(jié)果截圖

這個(gè)例子可以由修改下變成并發(fā)的形式，提高性能（參考golang 并發(fā) chan）

var sem chan int = make(chan int,10);

for i := 0; i < 10; i++ {

go func(i int) {

header := map[string]string{

"Host": "movie.douban.com",

"Connection": "keep-alive",

"Cache-Control": "max-age=0",

"Upgrade-Insecure-Requests": "1",

"User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.143 Safari/537.36",

"Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8",

"Referer": "https://movie.douban.com/top250",

}

fmt.Println("正在抓取第" + strconv.Itoa(i) + "頁......")

url := "https://movie.douban.com/top250?start=" + strconv.Itoa(i*25) + "&filter="

spider := &Spider{url, header}

html := spider.get_html_header()

pattern2 := `(.*?)評(píng)價(jià)`

rp2 := regexp.MustCompile(pattern2)

find_txt2 := rp2.FindAllStringSubmatch(html, -1)

pattern3 := `property="v:average">(.*?)`

rp3 := regexp.MustCompile(pattern3)

find_txt3 := rp3.FindAllStringSubmatch(html, -1)

pattern4 := `

rp4 := regexp.MustCompile(pattern4)

find_txt4 := rp4.FindAllStringSubmatch(html, -1)

for i := 0; i < len(find_txt2); i++ {

fmt.Printf("%s %s %s\n", find_txt4[i][1], find_txt3[i][1], find_txt2[i][1], )

f.WriteString(find_txt4[i][1] + "\t" + find_txt3[i][1] + "\t" + find_txt2[i][1] + "\t" + "\r\n")

}

sem <- 0

}(i)

}

for i := 0; i < 10; i++ { <-sem }

close(sem)

并發(fā)效果截圖

到這里go爬蟲部分已經(jīng)介紹完畢，百無聊賴之際又寫了一個(gè)python版，python果真是簡(jiǎn)潔,最后祝大家買買買得開心

# coding=utf-8 #

import re

import urllib2

import datetime

def getDouban(i):

print "爬取第" + str(i)+"頁"

html = "https://movie.douban.com/top250?start=" + str(i) + "&filter="

try:

page = urllib2.urlopen(html, timeout=3)

result = page.read()

score = re.findall('property="v:average">(.*?)',result)

person = re.findall('(.*?)評(píng)價(jià)',result)

name= re.findall('

j=j+1

except:

print i

starttime = datetime.datetime.now()

params=[]

for i in range(25):

getDouban(i)

endtime = datetime.datetime.now()

print "爬蟲歷時(shí)"+str((endtime-starttime).seconds)+"s完成"

python版運(yùn)行結(jié)果

總結(jié)

以上是生活随笔為你收集整理的go爬虫和python爬虫_爬虫练手-豆瓣top250（go版以及python版）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。