使用requests库和lxml解析爬取电影天堂电影信息

最新推荐文章于 2020-04-02 19:20:10 发布

原创

最新推荐文章于 2020-04-02 19:20:10 发布 · 1.8k 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#requests #电影天堂 #lxml

本文介绍了如何使用requests库和lxml解析爬取电影天堂的电影信息，包括站点分析、获取所有电影的详情链接、单个电影详情的爬取以及多页面的遍历。通过获取电影详情页的链接，可以批量下载最新最全的电影资源。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

使用requests库获取电影天堂电影信息，将所有链接保存下来后可以使用迅雷批量下载。快速获得最新最全电影资源！

站点分析

以电影天堂国内电影为例
http://www.ygdy8.net/html/gndy/china/index.html
页面分析
分析其目录内每一个电影信息存在table中，首先我们要获取每一个电影的详情地址

所有电影信息的详情链接获取

通过request，获取页面源码，xpath取得所有class="tbspan"的table下面的class="ulink"的a标签的@href的值，由于是相对地址，因此需要与网站地址base_url进行拼接。最后得到的就是该页面所有电影的详情地址。

base_url='http://www.ygdy8.net'
url='http://www.ygdy8.net/html/gndy/china/index.html'
def get_content(url):
    resp=requests.get(url)
    text=resp.content.decode(encoding='gbk', errors='ignore')
    html=etree.HTML(text)
    urls=html.xpath('//table[@class="tbspan"]//a[@class="ulink"][2]/@href')
    detail_urls= map(lambda url:base_url+url,urls)   
    #返回信息
    return(detail_urls)