开门见山
最近吧，迷上了看电影。（事先声明，我并不是拖更去看的电影，emmm我自己都不信）
所以今儿我们来抓取猫眼电影 Top 100 榜单中所有的电影信息。
工具篇：
依旧是我们的老伙伴，PyCharm 和 Google 浏览器，同时python 版本为3.6.6
新手村村长发布的任务：
· 抓取 Top 100 榜单
· 输入爬取的起始页：2
· 输入爬取的终止页：7· 获取 Top 100 榜单里指定范围内的全部电影的电影名称，主演信息，上映时间，并存储到 csv 文件当中
预期运行结果：
工程目录下会出现一个 csv 文件
努力刷电影，勤勉做鸽子
教学开始：
第一步：打开 PyCharm第二步，打开 猫眼电影第三步，泡壶茶看会电影，低俗小说 是真的好看
第四步，回到正题
抓取猫眼榜单，我们要分 4步走：1、抓取 Top 100 榜单2、进行翻页操作3、获取所有电影的电影名称，主演信息，上映时间4、将上述三个信息存储到 csv 文件当中此次项目，依然用面向对象来完成。面向对象有些忘记的小伙伴可以看看复习一下哟
友好的基础教学环节 双 开始了，本次是正则表达式，源代码在最后哟！加油加油，我是最胖的，给自己打个气。
一、Python 中的 re 模块
正则表达式的规则~
1）match()
match()：尝试从字符串的开头进行正则表达式的匹配。如果匹配成功，返回结果；如果匹配失败，则返回 None.
可以说，match() 函数中放的是你所制定的规则，你要它匹配啥样的，它就乖乖匹配啥样的。当然前提是你规则对了【小声哔哔】
示例代码：
运行结果：
最好对照上面的表看哟
2）.* 方法
“.” ：匹配除换行符外的任意字符
“*“ ：匹配出现任意次
所以组合起来，“.*”就可以代表匹配任意字符
懒癌晚期患者最喜欢的方法没有之一
示例代码：
运行结果：
3）贪婪匹配与非贪婪匹配
贪婪匹配（.*）：在正则表达式匹配成功的前提下，尽可能多的匹配
非贪婪匹配（.*?）：在正则表达式匹配成功的前提下，尽可能少的匹配
一个是勤快的人，另一个是我。能少干点就少干点bia~
示例代码：
运行结果：
4）search()
search()：扫描整个字符串，找到符合正在表达式的第一个字符，并返回结果。
示例代码：
运行结果：
在这里提一嘴，在正则表达式中，group() 是用来提出分组截获的字符串的，group() 就是匹配正则表达式整体结果
5）findall()
findall()：扫描整个字符串，返回符合正则表达式的字符串列表
示例代码：
运行结果：
6）compile()
compile()：将字符串编译为正则表达式对象
示例代码：
运行结果：
二、正则表达式在网页中使用
刚刚说了那么多 re模块里的东西，这个正则表达式到底怎么在网页中使用呢。
别急，我们来举个栗子！
首先，我们打开了猫眼网页
在右上角的
这里面，找到开发者工具，快捷键是 Ctrl + Shift + I
使用后，会发现你的页面变成了这样。
是的，没有错！这里就是我们网站的源代码，而我们的信息也都是从这上面爬取的。
Question:
倘若我想找到这个信息的源代码，去哪里找呢？
Answer：
1）点击你源代码页面左上角的鼠标图案
2）选中你要查看的信息
3）在源代码中，有一个区域变成了蓝色，是的！它就是你苦苦找寻的代码，大明湖畔的夏雨荷
我们把这段代码 复制 粘贴下来，做个分析。
你会发现，我们所要的信息都在这里
【示例代码】
【运行结果】
三、csv 模块的使用
1）普通文本文件操作【示例代码】
2）csv 文件的操作
【示例代码】
四、爬取猫眼电影榜单
【示例代码】
【教学分析】
1）__init__()：构造函数
确立基本 url 路线和爬虫头：/board/4
4 指的是 Top 100 榜2）get_html()：获取网页源代码
3）change_page()：翻页
offset 用于控制页面，在爬取百度贴吧时说过
4）get_info()：提取我们要的信息
5）save_info()：保存为csv文件
【运行结果】
好了，到这里教学也就结束了。接下来，我说几句批话。首先，我先道个歉，各种事情纠缠拖了这么久，挺对不起各位读者的。没多少人看，先给自己定个小目标吧。点赞过百，我周更，以民族起誓卓某人说到做到。
源代码奉上：
import urllib.request
import re
import csv
class Maoyan_movie():
def __init__(self):self.base_url="/board/4?"self.headers={"User-Agent":"Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.100 Safari/537.36"}def get_html(self,url): #获取网页源代码的函数req=urllib.request.Request(url,headers=self.headers)res=urllib.request.urlopen(req)html=res.read().decode("utf-8")self.get_info(html) #调用解析函数获取数据def change_page(self):begin=int(input("请输入爬取的起始页："))end=int(input("请输入爬取的终止页："))for page in range(begin,end+1):offset=(page-1)*10 #得到控制页数的参数url=self.base_url+"offset="+str(offset)self.get_html(url) #调用上层函数获取网页源代码def get_info(self,html): #解析网页中数据的函数p = pile('<div class="movie-item-info">.*?title="(.*?)".*?class="star">(.*?)</p>.*?class="releasetime">(.*?)</p>',re.S)result = re.findall(p,html)self.save_info(result) #调用保存数据函数def save_info(self,result):#保存数据的函数for i in result:name=i[0].strip() #strip()可以去掉字符串两边的空白字符以及换行符star=i[1].strip()time=i[2].strip()content=[name,star,time] #将三条数据合并为一个列表，以便写入csv文件with open("movie.csv","a",encoding="utf-8",newline="") as f:writer=csv.writer(f)writer.writerow(content)
maoyan=Maoyan_movie()
maoyan.change_page()
