python爬取电影天堂首页

爬虫实战——爬取电影天堂的电影详情页信息 爬取电影天堂的电影详情页信息 阅读详情

用python写了个小爬虫,用来爬取电影天堂首页放置的几十部电影的名称,上映日期和下载链接,用到了beautifulsoup库和lxml库用来解析

代码如下:

import requests
import re
from lxml import etree
from bs4 import BeautifulSoup
from pandas import DataFrame

class dytt:
	def __init__(self, url, header):
		#定义url和header
		self.url = url
		self.header = header
		#定义第二个页面url的列表
		self.url2 = []
		#定义电影名称列表、上映日期和下载链接列表
		self.name = []   
		self.date = []        
		self.download = []

	#获取电影名字的页面源码
	def context1(self):
		res = requests.get(self.url, headers=self.header)
		res.encoding = 'gb2312'
		return res.text

	#获取日期和下载链接的页面源码
	def context2(self, url):
		res = requests.get("https://www.dytt8.net/"+url, headers=self.header)
		res.encoding = 'gb2312'
		return res.text

	def nameMain(self):
		bs = BeautifulSoup(self.context1(), 'html.parser')
		serach = bs.find("div", attrs={"class":"bd3"})
		serach = serach.find_all("div", attrs={"class":"bd3r"})[0].div.div.select('div[class="co_area2"]')
		for tag in serach:
			finds = tag.find_all("div", class_="co_content8")
			if len(finds) > 0:
				finds = finds[0].ul.table.select("tr")
				for f in finds:
					try:
						moviename = f.td.select('a')[1].get_text()
						moviename = moviename.split("《")[1].split("》")[0]
						self.name.append(moviename)
						#获取第二个页面的url, 并添加到url列表中
						href = f.td.select('a')[1].get('href')
						self.url2.append(href)
					except Exception as e:
						continue

	#获取电影上映日期和下载链接
	def download_date(self):
		i = 1
		for url in self.url2:
			et = etree.HTML(self.context2(url))
			#获取日期
			dt = et.xpath('//div[@class="bd3l"]/div[@class="co_area2"]/div[@class="co_content8"]/ul')
			dt = dt[0].xpath('.//div[@id="Zoom"]')
			dt = dt[0].xpath('.//text()')
			dt = "".join(dt).split("上映日期")[1].split("◎")[0].strip()
			self.date.append(dt)
			#获取下载链接
			dl = et.xpath('//div[@class="bd3l"]/div[@class="co_area2"]/div[@class="co_content8"]/ul')
			dl = dl[0].xpath('.//div[@id="Zoom"]')
			dl = dl[0].xpath('.//table')
			dl = dl[0].xpath('.//tr/td/a/text()')
			self.download.append(dl[0])
			print("爬取成功"+str(i))
			i += 1

	#保存到excel
	def save_excel(self):
		print("正在保存为excel文件...")
		df = DataFrame([self.name, self.date, self.download]).T
		df.columns = ["电影名称", "上映日期", "下载链接"]
		df.to_excel("movie.xlsx", encoding='utf-8_sig')
		print("保存成功!")

if __name__ == '__main__':
	url = "https://www.dytt8.net/"
	header = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36"}
	dy = dytt(url, header)
	dy.nameMain()
	dy.download_date()
	dy.save_excel()

运行效果如下:
在这里插入图片描述
在这里插入图片描述

python爬取电影天堂 爬取的网址: http://www.ygdy8.net/html/gndy/dyzz/list_23_1.html 使用的环境: pychram+anaconda5.4.7+python3.7.1 使用的函数库: requests+pyquery+csv+time 爬取思路:先在爬取的网址中得到电影详情页的网址,再访问详情页提取需要的信息。 网站分析: 关于翻页,网站第一页为http://www... 阅读详情

相关推荐

爬虫(9)实战爬取电影天堂的1000+最新电影

在家上网课,闲来无事,想在网上找找电影看,却又不知道看啥电影,不如写个爬虫爬最新的电影,结果爬虫写出来,却没时间看电影了(看电影哪有学习有意思(滑稽))

小白的程序猿 6607

Python爬取第一电影天堂最新电影(5000多部)代码实例(一)

1、实例代码: #!/usr/bin/env python #-*- coding: utf-8 -*- #@Time : 2020/4/7 16:28 #@Author : zhangliangliang #@File : crawlerDemo3.py #@Software: PyCharm from urllib import request from lxml import...

zll_1234的博客 1万+

用Python轻松爬取电影天堂:获取2024必看热片的电影名称与下载链接

在本篇博文中,我们将深入探讨如何使用Python的requests和BeautifulSoup库,轻松爬取电影天堂2024必看热片的电影名称和下载地址。无论你是编程新手还是有经验的开发者,这个项目都将帮助你掌握基本的网页爬取技巧,并为你打开数据获取的新大门。让我们开始这段有趣的旅程吧!

不迁怒,不贰过。小知识,大智慧。 2058

python-电影天堂爬取

【代码】python-电影天堂爬取。

LeonTree09233的博客 6835

python爬取电影天堂实现电影自由

获取下载链接的代码同学们可以自己尝试着写下,把所有的链接都保存到一个txt文件,利用迅雷的批量下载功能进行下载。只要你的硬盘足够大,世界都能装的下。既然不返回数据给我们,那我们换个思路,利用selenium所见即所的功能,直接打开网站获取相关的数据就好了。经过分析后暗暗窃喜,跟之前一个套路,直接requests请求,xpth解析,数据不就手到擒来,开干。网站直接返回了一个javascript脚本,网站做了反爬,数据获取不到了......我们利用相同的方法,循环对获取的电影详情页面进行下载链接的获取。

2403_88996352的博客 3290

Python爬虫框架:scrapy爬取迅雷电影天堂最新电影!

项目开始 第一步仍然是创建scrapy项目与spider文件 切换到工作目录两条命令依次输入 scrapy startproject xunleidianying scrapy genspider xunleiBT https://www.xl720.com/thunder/years/2019 内容分析 打开目标网站(分类是2019年上映的电影),分析我们需要的数据 进入页面是列表的形式就像豆瓣电影一样,然后我们点进去具体页面看看 这个页面就是我们需要拿到的内容页面,..

爬遍所有网站 6003

python 爬取电影天堂电影

主要介绍爬取电影天堂首页的电影列表,并将结果保存为csv文件. 1.首先导入需要的模块 import requests from bs4 import BeautifulSoup import csv 2.获取网页,并解析结果 def html_parser(url_start): #获取html try: headers={'User-Agent':'...

冻梨不是梨的博客 6391

python 电影天堂爬虫源文件

本文件是在python3下,编写的 一个简单的爬虫源码,大家可以交流一下。 本爬虫只适合于静态,通过分析 电影天堂网站,发现网站源码是静态的,固通过此方法将其下载地址进行抓取。

用 Python 爬取电影,这些电影真的很不错

首先要分析一下电影天堂网站的首页结构。 从上面的菜单栏中我们可以看到整个网站资源的总体分类情况。刚刚好我们可以利用到它的这个分类,将每一个分类地址作为爬虫的起点。 ①解析首页地址 提取分类信息 #解析首页 def CrawIndexPage(starturl): print "正在爬取首页" page = __getpage(starturl) if page=="err...

人生苦短, 还不用Python? 1903

Python-pythonscrapy爬取电影天堂所有电影

python scrapy爬取电影天堂所有电影

详解Python爬取并下载《电影天堂》3千多部电影

不知不觉,玩爬虫玩了一个多月了。 我愈发觉得,爬虫其实并不是什么特别高深的技术,它的价值不在于你使用了什么特别牛的框架,用了多么了不起的技术,它不需要。它只是以一种自动化搜集数据的小工具,能够获取到想要的数据,就是它最大的价值。 我的爬虫课老师也常跟我们强调,学习爬虫最重要的,不是学习里面的技术,因为前端技术在不断的发展,爬虫的技术便会随着改变。学习爬虫最重要的是,学习它的原理,万变不离其宗。 爬虫说白了是为了解决需要,方便生活的。如果能够在日常生活中,想到并应用爬虫去解决实际的问题,那么爬虫的真正意义也久发挥出来了。 这是些闲话啦,有感而发而已。 最近有点片荒,不知道该看什么电影,而且有些电

我用 Python 爬了点你们喜欢的电影,这些电影真的很不错

最近花些时间学习了一下Python,并写了一个多线程的爬虫程序来获取电影天堂上资源的迅雷下载地址。刚开始学习python希望可以获得宝贵的意见。 先来简单介绍一下,网络爬虫的基本实现原理吧。一个爬虫首先要给它一个起点,所以需要精心选取一些URL作为起点,然后我们的爬虫从这些起点出发,抓取并解析所抓取到的页面,将所需要的信息提取出来,同时获得的新的URL插入到队列中作为下一次爬取的起点。这样不...

637

Stable-Baselines3性能优化:多环境训练对比指南(DummyVecEnv vs SubprocVecEnv)

本文深入对比了Stable-Baselines3中DummyVecEnv与SubprocVecEnv两种向量化环境的性能差异与应用场景。DummyVecEnv适用于轻量级、步进快的环境,调试友好且开销低;而SubprocVecEnv则通过真正的多进程并行,能显著加速计算密集型环境的训练。文章通过基准测试与决策树,指导开发者根据环境计算成本、CPU核心数等关键因素做出最优选择,以实现训练效率最大化。

weixin_29063979的博客 147

java版本----简单爬虫

爬虫是一个非常实用的技术,每种语言都有相应的实现方式。这里给一个JAVA的实例。后面主要以python为主,毕竟是业内比较认可的爬虫行业老大。 爬虫主要分为两个部分,一个是提取,一个是解析。提取也就是发网络请求数据,java里可以用URLCollection,HttpClient,RestTemplate,okhttp等。我采用的是RestTempate,他是spring的东西,也比较好用。解析...

tlfu_12344的专栏 359

保姆级教程:在Windows 10上为QT5.15.2配置Android开发环境(含SDK/NDK/JDK避坑指南)

本文提供了一份详细的Windows 10环境下为QT5.15.2配置Android开发环境的保姆级教程,涵盖SDK、NDK、JDK的安装与配置,以及常见问题的避坑指南。通过优化安装流程、解决Gradle下载慢等痛点,帮助开发者快速搭建稳定的编译环境,并提供了模拟器配置和调试技巧,确保开发效率。

weixin_30919571的博客 527

论文笔记:基于对比学习的半监督分类学习方法

论文阅读笔记_CCSSL

weixin_46224126的博客 3313

Python爬取电影天堂

本文非常浅显易懂,可以说是零基础也可快速掌握。如有疑问,欢迎留言,笔者会第一时间回复。

mate1357的博客 5320

上网第二课:办了百兆宽带,为什么测速只有一半?

最慢的那一环。

qq_36765170的博客 110

爬取电影天堂

电影天堂爬虫之网页分析 from lxml import etree import requests BASE_DOMAIN = 'http://www.ygdy8.net' url = 'http://www.ygdy8.net/html/gndy/dyzz/index.html' headers = { 'User-Agent':'Mozilla/5.0 (Windows NT 10....

henusyb的博客 14万+

五段式S型算法笔记

又因为有 v-v0= 0.5jt通式: 所以有 vm-v0= 0.5jtm 所以有4vm-4v0= 2jtm。算法1: v=2vm-v0-0.5*jt+2jt*tm-2jtm*tm。加加速度j 自己设置 已知,vmax自己设置已知;所以有4vm-4v0= 2jtm带入算法1。

qq_36658033的博客 681

开关电源三大基本拓扑:反激、正激与桥式选型本质

开关电源拓扑是电力电子系统设计的核心基础概念,其本质决定能量传递路径、器件应力分布与系统物理边界。反激拓扑以耦合电感形式实现隔离与升降压,适用于小功率AC-DC场景;正激拓扑依赖实时能量传递与强制复位机制,支撑中功率高效率需求;桥式拓扑(含推挽/半桥/全桥)通过电压应力分摊与双向磁化,成为大功率系统的刚性选择。理解三者在磁芯工作模式、电流连续性、直流偏磁抑制等方面的原理差异,直接关系到效率、温升、EMI及可靠性等关键技术指标。本文聚焦反激、正激、桥式三大工程级基本拓扑的物理本质与落地约束,揭示从需求参数到电

cqwmy840702的博客 376

电影天堂python分页爬取

爬取电影天堂影片信息一.准备工作二.开始整活三.完整代码 一.准备工作 在爬取之前,应该确定好爬取的对象,分析网页源代码。这里我们需要的是爬取电影天堂的电影信息。文章最后会有完整代码。 1.分页规律 进入https://www.dytt8.net/html/gndy/dyzz/index.html 我们点击第二页,会发现url变为https://www.dytt8.net/html/gndy/dy...

qq_39163732的博客 6126

华为OD机试 - 不含101的数(Python/JS/C/C++ 双机位C卷 100分)

本专栏收录于《华为OD机试真题(Python/JS/C/C++)》。刷的越多,抽中的概率越大,私信哪吒,备注华为OD,加入华为OD刷题交流群,每一题都有详细的答题思路、详细的代码注释、3个测试用例、为什么这道题采用XX算法、XX算法的适用场景,发现新题目,随时更新。小明在学习二进制时,发现了一类不含101的数,也就是:现在给定一个正整数区间,请问这个区间内包含了多少个不含101的数?输入的唯一一行包含两个正整数。输出的唯一一行包含一个整数,表示在区间内一共有几个不含101的数。8 1668 → “1000”

学Java,找哪吒 1250

爬虫爬取电影天堂电影链接

比较热爱python,最近在用eclipse写java web,那就使用eclipse+PyDv配置环境,小试一次爬虫吧~ 看电影还要到处找资源,索性自己直接爬取电影链接,只要在迅雷上crtl+c/v就可以边播边下了~ 仅以用来学习娱乐呦~~ 进入正题:   网页打开电影天堂,发现是一个非常好解析的网页,它网页元素构成简单,容易理解,爬取就不用太多验证控制,首先下载网页源码...

baibanyin1845的博客 1万+

【SWAT】SWAT中预定义河网及流域

平原圩区没有明显的海拔差异。DEM中包含的地形信息无法定义河段的位置和水文连接,SWAT模型Watershed Delineator中提供两种方法,帮助用户输入流域拓扑信息。第一种方法,“Burn-in”和手动绘制河段和子流域边界。首先,使用“Burn-in”功能导入数字河道网络(DCN),并根据DEM和DCN绘制河流和子流域。然后在ArcGIS中编辑“流域”和“河段”层,可以调整位置、范围和水文连接。第二种方法,可以手动绘制或重新编辑河流和子流域,预定义河网及流域。

```On Earth, Be Water, By Coding``` 3273

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

Python 爬取电影天堂top最新电影

Python爬虫有他无可比拟的优势:语法简单,经常几十行代码就能轻松解决问题,相比于JAVA,C,PHP;第三方库丰富,Python强大而又丰富的第三方库使他几乎可以无所不能。今天我们就来用用Python爬取电影天堂最新电影资源,一起来看看吧。 分析网页源代码 进入开发者模式 首先我们打开浏览器,进入开发者模式(这里推荐大家使用谷歌浏览器) 快捷键 开发者模式:Ctrl/shitf + x 或者直...

zurich0v0的博客 1万+

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

上一篇: Java socket编程的坑
下一篇: 数据结构-数组篇
SSSuperbeyond
博客等级 码龄8年 22粉丝 10原创
评论 4
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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