Python抓取电影天堂电影信息的代码
作者:itjh 时间:2023-07-23 17:18:49
Python2.7Mac 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 …
标签:Python,电影天堂
0
投稿
猜你喜欢
vue.js父组件使用外部对象的方法示例
2024-05-29 22:43:22
Openlayers学习之地图比例尺控件
2024-04-10 10:36:59
纯JavaScript 实现flappy bird小游戏实例代码
2024-05-11 09:05:57
Python绘图Matplotlib之坐标轴及刻度总结
2023-10-01 15:56:39
获取SQL Server表字段的各种属性实例代码
2024-01-26 13:13:11
30分钟就入门的正则表达式基础教程
2024-05-13 10:37:40
python实现电子书翻页小程序
2022-11-16 11:10:29
基于python实现微信收红包自动化测试脚本(测试用例)
2022-01-03 11:38:34
数据库安全管理的三个经验分享
2009-04-01 15:49:00
解决Navicat for MySQL 连接 MySQL 报2005错误的问题
2024-01-16 13:13:26
Python正则表达式的另类解答
2023-08-02 06:58:04
python实现计算图形面积
2021-06-01 06:18:54
Python .format()函数使用方法详解
2022-10-12 04:18:12
解决python父线程关闭后子线程不关闭问题
2023-11-28 22:01:56
详解JavaScript错误捕获
2024-04-30 09:53:22
Python入门之字符串操作详解
2023-01-27 18:45:08
利用PyQt5+Matplotlib 绘制静态/动态图的实现代码
2021-11-05 06:22:11
vue 集成jTopo 处理方法
2024-05-09 15:17:42
Dreamweaver实现flash透明背景
2008-05-04 09:35:00
Python数据结构与算法的双端队列详解
2021-10-08 13:24:27