[懒人福利]用Python进行[天堂电影]下载资源的搜索

#!/usr/bin/env python
#encoding:utf-8

import requests
from bs4 import BeautifulSoup
import urllib
import sys
import re

# 解决编码错误问题
reload(sys)  
sys.setdefaultencoding('utf8') 

def getHex(words):
    mywords = words.split("%")[1:]
    result = ""
    for i in mywords:
        result += chr(int(i, 16))
    return result

'''
电影天堂模块
'''

# config-start
maxPage = 5
modelName = "电影天堂"
url = "http://www.dy2018.com"
keyword = sys.argv[1]
pageSize = 20
keywordURLencode = urllib.quote(keyword.decode(sys.stdin.encoding).encode('GBK')) # 将查询关键字进行URL编码
searchUrl = "http://www.dy2018.com/e/search/index.php"
postData = {
    'classid':'0',
    'show':'title,smalltext',
    'tempid':'1',
    'keyboard': getHex(keywordURLencode),
    'Submit':chr(0xC1) + chr(0xA2) + chr(0xBC) + chr(0xB4) + chr(0xCB) + chr(0xD1) + chr(0xCB) + chr(0xF7)
}
headers = {
        'Host' : 'www.dy2018.com',
        'Cache-Control' : 'max-age=0',
        'Origin' : 'http://www.dy2018.com',
        'Upgrade-Insecure-Requests' : '1',
        'User-Agent' : 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.99 Safari/537.36',
        'Content-Type' : 'application/x-www-form-urlencoded',
        'Accept' : 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',
        'Referer' : 'http://www.dy2018.com/index.html',
        'Accept-Encoding' : 'gzip, deflate',
        'Accept-Language' : 'zh-CN,zh;q=0.8,en;q=0.6',
        'Connection' : 'close'
}
# config-end

def getContent(url):
    global headers
    response = requests.get(url, headers=headers)
    response.encoding = 'gb2312' # 设置相应体的字符集
    return response.text

def getResultNumber(soup):
    a = soup.find("a", title="总数")
    totalResult = a.find("b").string
    return int(totalResult)

def getSoupByPostData(url,postData):
    global headers
    content = requests.post(url, data=postData, headers=headers).text.decode("UTF-8")
    soup = BeautifulSoup(content, "html.parser")
    return soup

def getPageNumber(resultNumber):
    global pageSize
    return int((resultNumber / pageSize)) + 1

def getPageID(soup):
    div = soup.find('div', class_="x", style="text-align: center;font-size: 14px;margin: 5px 0;")
    firstPage = div.findAll("a")[1]
    firstPageStr = firstPage['href']
    pageID = firstPageStr.split("-")[1]
    return pageID

def getResultDic(soup):
    results = []
    tables = soup.findAll("table", width="100%", border="0", cellspacing="0", cellpadding="0", class_="tbspan", style="margin-top:6px")
    for table in tables:
        # 获取结果标题
        title = str(table.find("a")["title"])
        # 获取结果描述
        describe = table.find("td", colspan="2", style="padding-left:3px").string
        # 获取页面详细地址
        src = url + table.find("a")['href']
        # 获取条目时间和点击量
        temp = table.find("font", color="#8F8C89").string
        time = temp.split("\n")[0].split(":")[1][0:-1] # 注意这里是中文冒号
        click = temp.split("\n")[1].split(":")[1] # 注意这里是中文冒号
        # 获取下载地址
        downloadLinks = []
        newContent = getContent(src)
        newSoup = BeautifulSoup(newContent, "html.parser")
        tbodys = newSoup.findAll("tbody")
        for tbody in tbodys:
            downloadLinks.append(tbody.find("a")['href'])
        result = {
            "title":title,
            "describe":describe,
            'time':time,
            'click':click,
            "downloadLink":downloadLinks
        }
        results.append(result)
        print "单条数据获取成功 !"
    return results

soup = getSoupByPostData(searchUrl, postData)

resultNumber = getResultNumber(soup)
pageNumber = getPageNumber(resultNumber)
pageID = getPageID(soup)

print "查询结果数 :", resultNumber
print "总页面数量 :", pageNumber

print "正在获取第 1 页的结果" 
results = getResultDic(soup)
print "该页所有结果获取成功 !"

if pageNumber > maxPage:
    for page in range(maxPage):
        print "正在获取第",(page + 1),"页的结果"
        thisUrl = "http://www.dy2018.com/e/search/result/searchid-" + pageID + "-page-" + str(page) + ".html"
        tempContent = getContent(thisUrl)
        tempSoup = BeautifulSoup(tempContent, "html.parser")
        results += getResultDic(soup)
    SIGN = input("已经获取了" + maxPage + "个页面 , 是否需要继续获取 ? [1/0]")
    if SIGN == 1:
        for page in range(maxPage, pageNumber):
            print "正在获取第",(page + 1),"页的结果"
            thisUrl = "http://www.dy2018.com/e/search/result/searchid-" + pageID + "-page-" + str(page) + ".html"
            tempContent = getContent(thisUrl)
            tempSoup = BeautifulSoup(tempContent, "html.parser")
            results += getResultDic(soup)
else:
    for page in range(pageNumber):
        print "正在获取第",(page + 1),"页的结果"
        thisUrl = "http://www.dy2018.com/e/search/result/searchid-" + pageID + "-page-" + str(page) + ".html"
        tempContent = getContent(thisUrl)
        tempSoup = BeautifulSoup(tempContent, "html.parser")
        results += getResultDic(soup)
print "数据获取完毕 ! "

# 格式化显示数据 : 
for result in results:
    file = open(modelName + "-" + keyword + ".txt","a+")
    file.write("---------------------------\n")
    file.write("标题 : " + result['title'] + "\n")
    file.write("描述 : \n\t" + result['describe'] + "\n")
    file.write("时间 : " + result['time'] + "\n")
    file.write("点击量 : " + result['click'] + "\n")
    file.write("下载地址 : " + "\n")
    for downloadlink in result['downloadLink']:
        file.write("\t" + downloadlink + "\n")
    file.write("\n")
    file.close()

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 157,198评论 4 359
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 66,663评论 1 290
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 106,985评论 0 237
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 43,673评论 0 202
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 51,994评论 3 285
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,399评论 1 211
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,717评论 2 310
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,407评论 0 194
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,112评论 1 239
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,371评论 2 241
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 31,891评论 1 256
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,255评论 2 250
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,881评论 3 233
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,010评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,764评论 0 192
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,412评论 2 269
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,299评论 2 260

推荐阅读更多精彩内容

  • 病痛也应是对人的磨练,有的人拼命坚持,有的人大呼小叫,但结果都是一样的恢复如初。也许这是人生中的一个小挫折,或是一...
    preacher6阅读 102评论 0 0
  • 风吹残花落日圆, 倦鸟不知是秋天; 秋雨打破荷花叶, 微皱池塘起波澜。 漫山遍野泛金黄, 颗粒归仓堆成山; 小燕南...
    琢玉书生阅读 323评论 6 5
  • 想想有时我们太年轻,不仅仅是生理上,更是心理上的稚嫩。这样的年少轻狂,和还未独立易受影响的心智,让每一个我们都经历...
    JoJo之迷阅读 165评论 0 0