使用python實現(xiàn)抓取騰訊視頻所有電影的爬蟲
更新時間:2019年04月15日 16:23:57 作者:瘋子程序員
這篇文章主要介紹了使用python實現(xiàn)抓取騰訊視頻所有電影的爬蟲,本文通過實例代碼給大家介紹的非常詳細,具有一定的參考借鑒價值,需要的朋友可以參考下
用python實現(xiàn)的抓取騰訊視頻所有電影的爬蟲
# -*- coding: utf-8 -*- import re import urllib2 from bs4import BeautifulSoup import string, time import pymongo NUM =0 #全局變量,電影數(shù)量 m_type = u'' #全局變量,電影類型 m_site = u'qq' #全局變量,電影網(wǎng)站 #根據(jù)指定的URL獲取網(wǎng)頁內(nèi)容 def gethtml(url): req = urllib2.Request(url) response = urllib2.urlopen(req) html = response.read() return html #從電影分類列表頁面獲取電影分類 def gettags(html): global m_type soup = BeautifulSoup(html) #過濾出分類內(nèi)容 #print soup #<ulclass="clearfix _group" gname="mi_type" gtype="1"> tags_all = soup.find_all('ul', {'class' :'clearfix _group' ,'gname' :'mi_type'}) #print len(tags_all), tags_all #print str(tags_all[1]).replace('\n','') #<a _hot="tag.sub" class="_gtag _hotkey" title="動作" tvalue="0">動作</a> re_tags = r'<a _hot=\"tag\.sub\" class=\"_gtag _hotkey\" href=\"(.+?)\" title=\"(.+?)\" tvalue=\"(.+?)\">.+?</a>' p = re.compile(re_tags, re.DOTALL) tags = p.findall(str(tags_all[0])) if tags: tags_url = {} #print tags for tagin tags: tag_url = tag[0].decode('utf-8') #print tag_url m_type = tag[1].decode('utf-8') tags_url[m_type] = tag_url else: print"Not Find" return tags_url #獲取每個分類的頁數(shù) def get_pages(tag_url): tag_html = gethtml(tag_url) #divclass="paginator soup = BeautifulSoup(tag_html) #過濾出標記頁面的html #print soup #<divclass="mod_pagenav" id="pager"> div_page = soup.find_all('div', {'class' :'mod_pagenav','id' :'pager'}) #print div_page #len(div_page), div_page[0] #<aclass="c_txt6" title="25"><span>25</span></a> re_pages = r'<a class=.+?><span>(.+?)</span></a>' p = re.compile(re_pages, re.DOTALL) pages = p.findall(str(div_page[0])) #print pages if len(pages) >1: return pages[-2] else: return 1 def getmovielist(html): soup = BeautifulSoup(html) #<ulclass="mod_list_pic_130"> divs = soup.find_all('ul', {'class' :'mod_list_pic_130'}) #print divs for div_htmlin divs: div_html = str(div_html).replace('\n','') #print div_html getmovie(div_html) def getmovie(html): global NUM global m_type global m_site re_movie = r'<li><a class=\"mod_poster_130\" href=\"(.+?)\" target=\"_blank\" title=\"(.+?)\"><img.+?</li>' p = re.compile(re_movie, re.DOTALL) movies = p.findall(html) if movies: conn = pymongo.Connection('localhost',27017) movie_db = conn.dianying playlinks = movie_db.playlinks #print movies for moviein movies: #print movie NUM +=1 print"%s : %d" % ("=" *70, NUM) values = dict( movie_title = movie[1], movie_url = movie[0], movie_site = m_site, movie_type = m_type ) print values playlinks.insert(values) print"_" *70 NUM +=1 print"%s : %d" % ("=" *70, NUM) #else: # print"Not Find" def getmovieinfo(url): html = gethtml(url) soup = BeautifulSoup(html) #pack pack_album album_cover divs = soup.find_all('div', {'class' :'pack pack_album album_cover'}) #print divs[0] #<a target="new" title="《血滴子》獨家紀錄片" wl="1"> </a> re_info = r'<a href=\"(.+?)\" target=\"new\" title=\"(.+?)\" wl=\".+?\"> </a>' p_info = re.compile(re_info, re.DOTALL) m_info = p_info.findall(str(divs[0])) if m_info: return m_info else: print"Not find movie info" return m_info def insertdb(movieinfo): global conn movie_db = conn.dianying_at movies = movie_db.movies movies.insert(movieinfo) if __name__ =="__main__": global conn tags_url ="http://v.qq.com/list/1_-1_-1_-1_1_0_0_20_0_-1_0.html" #print tags_url tags_html = gethtml(tags_url) #print tags_html tag_urls = gettags(tags_html) #print tag_urls for urlin tag_urls.items(): print str(url[1]).encode('utf-8') #,url[0] maxpage =int(get_pages(str(url[1]).encode('utf-8'))) print maxpage for xin range(0, maxpage): #http://v.qq.com/list/1_0_-1_-1_1_0_0_20_0_-1_0.html m_url = str(url[1]).replace('0_20_0_-1_0.html','') movie_url ="%s%d_20_0_-1_0.html" % (m_url, x) print movie_url movie_html = gethtml(movie_url.encode('utf-8')) #print movie_html getmovielist(movie_html) time.sleep(0.1)
總結(jié)
以上所述是小編給大家介紹的使用python實現(xiàn)抓取騰訊視頻所有電影的爬蟲,希望對大家有所幫助,如果大家有任何疑問歡迎給我留言,小編會及時回復(fù)大家的!
相關(guān)文章
一個基于flask的web應(yīng)用誕生 組織結(jié)構(gòu)調(diào)整(7)
一個基于flask的web應(yīng)用誕生第七篇,這篇文章主要介紹了組織結(jié)構(gòu)的調(diào)整,具有一定的參考價值,感興趣的小伙伴們可以參考一下2017-04-04Python face_recognition實現(xiàn)AI識別圖片中的人物
最近碰到了照片識別的場景,正好使用了face_recognition項目,給大家分享分享。face_recognition項目能做的很多,人臉檢測功能也是有的,是一個比較成熟的項目。感興趣的可以了解一下2022-01-01用python實現(xiàn)前向分詞最大匹配算法的示例代碼
這篇文章主要介紹了用python實現(xiàn)前向分詞最大匹配算法的示例代碼,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-08-08Python 經(jīng)典貪心算法之Prim算法案例詳解
這篇文章主要介紹了Python 經(jīng)典貪心算法之Prim算法案例詳解,本篇文章通過簡要的案例,講解了該項技術(shù)的了解與使用,以下就是詳細內(nèi)容,需要的朋友可以參考下2021-09-09python Selenium爬取內(nèi)容并存儲至MySQL數(shù)據(jù)庫的實現(xiàn)代碼
這篇文章主要介紹了python Selenium爬取內(nèi)容并存儲至MySQL數(shù)據(jù)庫的實現(xiàn)代碼,需要的朋友可以參考下2017-03-03