python下载电影_Python抓取电影天堂电影信息的代码

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 ('

.*?>

'+

'(.*?)

',re.S)

items = re.findall(pattern,conent)

str = ''.join(items)

pattern = re.compile ('(.*?).*?

(.*?)',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'

(.*?)

', 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'

(.*?)',conent , re.S)

pattern = re.compile('

  • (.*?)', 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('

(.*?)

movieInfo = re.findall(pattern, movieContent[0])

if (len(movieInfo) > 0):

movieInfo = movieInfo[0]+''

# 删除
标签

movieInfo = movieInfo.replace("
","")

# 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('', 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('

.*?', 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 …

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值