激情久久久_欧美视频区_成人av免费_不卡视频一二三区_欧美精品在欧美一区二区少妇_欧美一区二区三区的

腳本之家,腳本語言編程技術及教程分享平臺!
分類導航

Python|VBS|Ruby|Lua|perl|VBA|Golang|PowerShell|Erlang|autoit|Dos|bat|

服務器之家 - 腳本之家 - Python - Python抓取電影天堂電影信息的代碼

Python抓取電影天堂電影信息的代碼

2020-08-18 10:13itjh Python

最近想做一個電影資訊的App,由于豆瓣不對外開發API了,正愁怎么錄入數據呢。最近在學 Python 想想那就用它來抓取電影信息吧

Python2.7Mac OS

抓取的是電影天堂里面最新電影的頁面。鏈接地址: http://www.dytt8.net/html/gndy/dyzz/index.html

獲取頁面的中電影詳情頁鏈接

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
import urllib2
import os
import re
import string
 
 
# 電影URL集合
movieUrls = []
 
 
# 獲取電影列表
def queryMovieList():
 
 url = 'http://www.dytt8.net/html/gndy/dyzz/index.html'
 conent = urllib2.urlopen(url)
 conent = conent.read()
 conent = conent.decode('gb2312','ignore').encode('utf-8','ignore')
 pattern = re.compile ('<div class="title_all"><h1><font color=#008800>.*?</a>></font></h1></div>'+
      '(.*?)<td height="25" align="center" bgcolor="#F4FAE2"> ',re.S)
 items = re.findall(pattern,conent)
 
 str = ''.join(items)
 pattern = re.compile ('<a href="(.*?)" class="ulink">(.*?)</a>.*?<td colspan.*?>(.*?)</td>',re.S)
 news = re.findall(pattern, str)
 
 for j in news:
  
    movieUrls.append('http://www.dytt8.net'+j[0])

抓取詳情頁中的電影數據

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
def queryMovieInfo(movieUrls):
 
 for index, item in enumerate(movieUrls):
 
 print('電影URL: ' + item)
 
 conent = urllib2.urlopen(item)
 conent = conent.read()
 conent = conent.decode('gb2312','ignore').encode('utf-8','ignore')
 
 
 movieName = re.findall(r'<div class="title_all"><h1><font color=#07519a>(.*?)</font></h1></div>', conent, re.S)
 if (len(movieName) > 0):
  movieName = movieName[0] + ""
  # 截取名稱
  movieName = movieName[movieName.find("《") + 3:movieName.find("》")]
 else:
  movieName = ""
 
 print("電影名稱: " + movieName.strip())
 
 movieContent = re.findall(r'<div class="co_content8">(.*?)</tbody>',conent , re.S)
 
 
 pattern = re.compile('<ul>(.*?)<tr>', re.S)
 movieDate = re.findall(pattern,movieContent[0])
 
 if (len(movieDate) > 0):
  movieDate = movieDate[0].strip() + ''
 else:
  movieDate = ""
 
 print("電影發布時間: " + movieDate[-10:])
 
 pattern = re.compile('<br /><br />(.*?)<br /><br /><img')
 movieInfo = re.findall(pattern, movieContent[0])
 
 if (len(movieInfo) > 0):
  movieInfo = movieInfo[0]+''
 
  # 刪除<br />標簽
  movieInfo = movieInfo.replace("<br />","")
 
  # 根據 ◎ 符號拆分
 
  movieInfo = movieInfo.split('◎')
 
 else:
  movieInfo = ""
 
 print("電影基礎信息: ")
 
 for item in movieInfo:
  print(item)
 
 
 # 電影海報
 pattern = re.compile('<img.*? src="(.*?)".*? />', re.S)     
 movieImg = re.findall(pattern,movieContent[0])
 
 if (len(movieImg) > 0):
  movieImg = movieImg[0]
 else:
  movieImg = ""
 
 print("電影海報: " + movieImg)
 
 pattern = re.compile('<td style="WORD-WRAP: break-word" bgcolor="#fdfddf"><a href="(.*?)">.*?</a></td>', re.S)
 movieDownUrl = re.findall(pattern,movieContent[0])
 
 if (len(movieDownUrl) > 0):
  movieDownUrl = movieDownUrl[0]
 else:
  movieDownUrl = ""
 
 print("電影下載地址:" + movieDownUrl + "")
 
 print("------------------------------------------------\n\n\n")

執行抓取

?
1
2
3
4
5
6
7
8
9
if __name__=='__main__':
 
  print("開始抓取電影數據");
 
  queryMovieList()
  print(len(movieUrls))
 
  queryMovieInfo(movieUrls)
  print("結束抓取電影數據")

總結

學好正則表達式很重要,很重要,很重要!!!! Python的語法好有感覺, 對比Java …

延伸 · 閱讀

精彩推薦
主站蜘蛛池模板: 国产欧美日韩视频在线观看 | 欧美一级无毛 | 黄色免费视频网站 | 又黄又爽免费无遮挡在线观看 | 99麻豆久久久国产精品免费 | 中文字幕在线播放视频 | 日韩视频www| 九九热在线视频观看 | 二区三区在线观看 | 欧美一级无毛 | 蜜桃欧美性大片免费视频 | 蜜桃视频在线播放 | 看黄在线观看 | 久久久久久亚洲综合影院红桃 | 91九色视频在线播放 | 成人一级视频在线观看 | 九色成人在线 | 91成人午夜性a一级毛片 | 一区二区三区视频播放 | h网站在线观看 | 伊人yinren22综合网色 | av在线浏览 | 黄色片网站在线免费观看 | javhdfreejaⅴhd | 免费久久精品 | 黄片毛片一级 | fc2成人免费人成在线观看播放 | 欧美一区二区三区久久精品视 | 性生活香蕉视频 | 日韩精品一区二 | 91在线精品亚洲一区二区 | 九九热视频在线免费观看 | 日韩精品中文字幕在线播放 | 精品国产一区二区亚洲人成毛片 | 成人福利视频在线观看 | 免费激情网站 | 92看片淫黄大片一级 | 播色网| 91九色免费视频 | 国产视频在线播放 | 一级做a爱片性色毛片 |