Python抓取电影天堂电影信息(仅供学习)

最近想做一个电影资讯的App,由于豆瓣不对外开发API了,正愁怎么录入数据呢。最近在学Python 想想那就用它来抓取电影信息吧。

Python2.7
Mac OS

抓取的是电影天堂里面最新电影的页面。链接地址:http://www.dytt8.net/html/gndy/dyzz/index.html

获取页面的中电影详情页链接

import urllib2
import os
import re
import string

# 电影URL集合
movieUrls = []

# 获取电影列表
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])

抓取详情页中的电影数据

def queryMovieInfo(movieUrls):

 for index, item in enumerate(movieUrls):

  print('电影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] + ""
   # 截取名称
   movieName = movieName[movieName.find("《") + 3:movieName.find("》")]
  else:
   movieName = ""

  print("电影名称: " + 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("电影发布时间: " + movieDate[-10:])

  pattern = re.compile('<br /><br />(.*?)<br /><br /><img')
  movieInfo = re.findall(pattern, movieContent[0])

  if (len(movieInfo) > 0):
   movieInfo = movieInfo[0]+''

   # 删除<br />标签
   movieInfo = movieInfo.replace("<br />","")

   # 根据 ◎ 符号拆分

   movieInfo = movieInfo.split('◎')

  else:
   movieInfo = ""

  print("电影基础信息: ")

  for item in movieInfo:
   print(item)

  # 电影海报
  pattern = re.compile('<img.*? src="(.*?)".*? />', re.S)  
  movieImg = re.findall(pattern,movieContent[0])

  if (len(movieImg) > 0):
   movieImg = movieImg[0]
  else:
   movieImg = ""
 
  print("电影海报: " + 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("电影下载地址:" + movieDownUrl + "")

  print("------------------------------------------------\n\n\n")
 

执行抓取


if __name__=='__main__':

     print("开始抓取电影数据");
  
     queryMovieList()

     print(len(movieUrls))

     queryMovieInfo(movieUrls)

     print("结束抓取电影数据")

总结

学好正则表达式很重要,很重要,很重要!!!! Python的语法好有感觉, 对比Java ...

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 156,907评论 4 360
  • 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 66,546评论 1 289
  • 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 106,705评论 0 238
  • 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 43,624评论 0 203
  • 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 51,940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 40,371评论 1 210
  • 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 31,672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 30,396评论 0 195
  • 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 34,069评论 1 238
  • 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 30,350评论 2 242
  • 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 31,876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 28,243评论 2 251
  • 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 32,847评论 3 231
  • 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 26,004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 26,755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 35,378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 35,266评论 2 259

推荐阅读更多精彩内容