高效爬取花瓣网：利用正则表达式获取max值实现连续分页
为了完整抓取花瓣网数据，我们需要动态获取max值来实现分页。本文将演示如何通过正则表达式从花瓣网API的JSON响应中提取max值，从而实现连续抓取所有页面。
在获取初始JSON数据后，我们可以使用正则表达式提取max值：
import requests
import re
# 获取第一页JSON数据
jsondata = requests.get(url, headers=headers)
text = jsondata.text
# 使用正则表达式提取max值
max_pattern = r'"max":"(.*?)"' # 更清晰的正则表达式
max_match = re.search(max_pattern, text)
if max_match:
max_value = max_match.group(1)
else:
max_value = "0" # 处理没有max值的情况
接下来，在循环中构造后续页面的URL并更新max值：
# 循环获取其他页面
while True:
# 构造后续页面的URL
url = f'https://api.huaban.com/boards/{num}/pins?max={max_value}&limit=20'
# 获取后续页面的JSON数据
jsonData = requests.get(url, headers=headers)
text = jsonData.text
# 更新max值
max_match = re.search(max_pattern, text)
max_value = max_match.group(1) if max_match else "0"
# 判断是否为最后一页
if max_value == "0":
break
# 继续抓取页面数据...
通过以上改进，代码更简洁、易读，并增加了错误处理，确保程序在max值缺失时也能正常运行，从而实现对花瓣网所有页面的完整抓取。 请注意，频繁访问网站可能会被封禁，建议添加适当的延时机制和错误处理。
