多进程抓取猫眼电影top100

import json
from multiprocessing import Pool
import requests
from requests.exceptions import RequestException
import re


#构造函数，输入一个url网址，发送请求后返回该网址的响应结果
def get_one_page(url):
    try:
        response = requests.get(url)
        if response.status_code == 200:
            return response.text
        return None
    except RequestException:
        return None

#构造提取页面字段的函数，输入一个html，提交以字典形式存储的字段结果
def parse_one_page(html):
    # <dd>用来找到起始点，
    # .*?board-index.*?<\d+>用来找到电影的排名
    # </i>代表结束符
    # .*?data-src="(.*?)"用来匹配图片对应的下载地址
    # .*?name"><a' +'.*?>(.*?)</a>用来匹配电影的名称name
    # .*?star">(.*?)</p>用来匹配电影的大牌演员star
    # .*?releasetime">(.*?)</p>用来匹配上映时间releasetime
    #电影得分由整数和小数共同组成
    # .*?integer">(.*?)</i>用来匹配得分的整数部分integer
    # .*?fraction">(.*?)</i>用来匹配得分的小数部分fraction
    # re.S可以匹配到换行符

    pattern = re.compile('<dd>.*?board-index.*?(\d+)</i>.*?data-src="(.*?)".*?name"><a'
                         + '.*?>(.*?)</a>.*?star">(.*?)</p>.*?releasetime">(.*?)</p>'
                         + '.*?integer">(.*?)</i>.*?fraction">(.*?)</i>.*?</dd>',re.S)

    items = re.findall(pattern,html)

    # 多元数组形式的items转换成字典形式进行存储
    for item in items:
        yield {
            #电影排名
            'index': item[0],
           #图片对应的下载地址
            'image_url': item[1],
             #电影名称
            'title': item[2],
            # 主演进行切片，去掉主演和冒号3个字符
            'actor': item[3].strip()[3:],
            # 上映时间进行切片，去掉上映时间和冒号五个字符
            'time': item[4].strip()[5:],
            #电影评分
            'score': item[5] + item[6]
        }

#保存提取结果
def write_to_file(content):
            # encoding='utf-8'保证输出为中文
            # ensure_ascii=False保证输出为中文
    with open('maoyan_100.txt', 'a', encoding='utf-8') as f:
                # 用json.dumps方法把字典形式的content转化为字符串形式
                # '\n'代表换行符
        f.write(json.dumps(content, ensure_ascii=False) + '\n')
        f.close()

#构造主函数      
def main(offset):
        # 观测url的变化规律为offset，offset作为参数传入main方法
        url = 'http://maoyan.com/board/4?offset='+str(offset)
        #调用方法
        html = get_one_page(url)
        parse_one_page(html)
        for item in parse_one_page(html):
            #调用方法
            write_to_file(item)
#启动
if __name__ == '__main__':
#观看offset的变化规律为0，10，20，30，前后页码的offset相差10,总的的页码数为10.
    for i in range(10):
        main(i*10)
    pool = Pool()  # 声明一个进程池
    # 进程池的两个参数，一个是main方法，一个是数组[0, 10, 20, 30, 40, 50, 60, 70, 80, 90]
    pool.map(main, [i * 10 for i  in range(10)])