鬼灭之刃：无限城篇 第一章 猗窝座再袭(2025)1080p正式版流媒体来了！链接下方

原创 于 2025-12-30 19:40:42 发布 · 967 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#动画

2025博客之星年度评选已开启 10w+人浏览 3.4k人参与

为了让变成鬼的妹妹祢豆子重新变回人类，灶门炭治郎加入了猎鬼组织“鬼杀队”，与同伴我妻善逸、嘴平伊之助一同对抗各类恶鬼，在成长的过程中彼此间的友情与羁绊也日益加深。此后，炭治郎与“鬼杀队”中最高级别的剑士“柱”们数次并肩作战。为备战即将到来的决战，炭治郎正与队员们一同挑战由“柱”们主持的联合强化训练时，鬼舞辻无惨突然现身于产屋敷宅邸。炭治郎与众“柱”虽为解救身处危机的主公大人而火速赶到，却遭无惨之手打入了一个神秘空间。炭治郎等人坠落之处，正是鬼的大本营“无限城”——“鬼杀队”与“鬼”的决战，就此拉开序幕。
　　影片改编自同名畅销漫画《鬼灭之刃》。

百度网盘：鬼灭之刃1080p正式版 链接: https://pan.baidu.com/s/1jklu5hHFj4hikD3xhojrXw?pwd=w454 提取码: w454

《Python基础教程》内容总览篇（持续更新中）
weixin_43178406的博客
08-26 31万+
大家好，我是爱编程的喵喵。双985硕士毕业，现担任全栈工程师一职，热衷于将数据思维应用到工作与生活中。从事机器学习以及相关的前后端开发工作。曾在阿里云、科大讯飞、CCF等比赛获得多次Top名次。现为优快云博客专家、人工智能领域优质创作者。喜欢通过博客创作的方式对所学的知识进行总结与归纳，不仅形成深入且独到的理解，而且能够帮助新手快速入门。个人精心开设的《Python基础课程》专栏订阅量接近900，帮助不少同学解决了Bug。
Format(s) 1080P高清，720P高清are missing；you have to login or become premium member to download them 解决方案
weixin_43178406的博客
06-30 12万+
本文主要介绍了Format(s) 1080P高清，720P高清are missing;you have to login or become premium member to download them 解决方案，希望能对使用Python的同学们有所帮助。 文章目录 1. 问题描述 2. 解决方案
2025年千元以内的二手手机推荐以及荣耀Magic3、小米11、一加Ace竞速版区别对比
学无止尽，谨言慎行！
02-08 8万+
荣耀Magic3和小米11性能更强，但发热较高；一加Ace竞速版性能稍弱但功耗更低，适合注重续航的用户。
视频服务器：GB28181网络视频协议及相关流媒体开源框架
企业实战系列集 ●●● https://ximenjianxue.blog.youkuaiyun.com
09-11 1万+
某项目中需要集成视频管理平台，实现分布在各省公司的摄像及接入，对视频进行统一管理。本项目中视频管理平台采用GB/T28181实现的监控设备接入管理平台，支持在开放互联网和局域网对监控设备进行远程接入、远程管理、远程调阅、录像回看等功能。本文对此记录GB/T28181协议的原理和一些问题，以供后续参考。
Python爬虫实战：爬取视频到本地，超详细实战教程​
热门推荐
优快云博客专家，系统架构师，有合作、疑惑请私信博主。
09-17 26万+
该教程针对批量保存 网站视频的需求，详解用 Python 实现爬取的方法。先介绍所需的 requests、BeautifulSoup4、you-get 等工具库及安装步骤，说明 网站单视频与合集视频的 URL 特点。接着分阶段讲解核心功能，从单视频爬取基础实现，到批量爬取合集的思路与代码（含反爬、中文乱码解决），还提及自定义视频质量与格式的方法。同时强调遵守 网站协议、防 IP 封禁等注意事项，给出常见问题排查方案。教程代码易懂、容错性强，适合新手，也提示可扩展断点续传等功能。
2025年远程控制软件排行榜：安全性能哪家强？ToDesk/TeamViewer/向日葵等对比
努力才是唯一的入场券。
12-16 5万+
2025年远程控制软件排行榜：安全性能哪家强？ToDesk/TeamViewer/向日葵等对比
海康摄像头开发笔记（一）：连接防爆摄像头、配置摄像头网段、设置rtsp码流、播放rtsp流、获取rtsp流、调优rtsp流播放延迟以及录像存储
长沙红胖子Qt的技术博客
07-12 4万+
Hik防爆摄像头录像，因为防爆摄像头会有对应的APP软件，与普通的网络摄像头和球机不一样，默认认为它不可以通过web网页配置，所以弄了个来实测确认。经测试实际上也是可以通过web网页配置（与网络摄像头基本是一致的，在码流方面可能会有些不一样），然后提取rtsp流的，界面与球机无异，只是没有球机的云台控制功能，但是界面上也是有的。
实测！Vidu Q1 斩获 VBench 双榜第一
沉淀所学，分享所思，让热爱与成长同行。商务记录AI实战经验，助力开发者快速成长。 热爱AI，希望做出有影响力的技术成果。 技术点亮生活，分享连接价值与机会。 专注AI落地实战，陪你走好技术每一步。
07-17 8398
Vidu Q1不仅拥有高清画质、丰富动画风格、专业运镜，更打通了视频 + 音效的完整创作流程。
FFmpeg入门详解之83：流媒体与直播技术
福优学苑@音视频+流媒体
10-14 2187
流媒体又叫，它是这个过程的一系列相关的包称为“流”。流媒体实际指的是一种新的媒体传送方式，而非一种新的媒体。流媒体技术全面应用后，人们在网上聊天可直接语音输入；如果想彼此看见对方的容貌、表情，只要双方各有一个摄像头就可以了；在网上看到感兴趣的商品，点击以后，讲解员和商品的影像就会跳出来；更有真实感的影像新闻也会出现。流媒体技术发端于美国，在美国目前流媒体的应用已很普遍，比如惠普公司的产品发布和销售人员培训都用网络视频进行。所谓流媒体是指。
61-0409基尼指数计算：第一次分叉-1080P 高清-AVC.mp4
03-20
61-0409基尼指数计算：第一次分叉-1080P 高清-AVC.mp4
Qt边推流边录制/实时性好延迟低/16路1080P推流加录制只占1%CPU/优化到极致
Qt/C++视频监控/推流/物联网/大屏系统/自定义控件/UI定制/输入法
11-11 1215
这个一边推流一边录制的功能，有很多用户提到过，之前因为时间的原因，一直没有搞，年初的时候索性抽空搞了下，也着实费了些功夫。推流用的是ffmpeg这个开源的牛逼的第三方库，搞音视频开发的人应该没人不认识这个库，养活了很多程序员以及厂家，甚至不乏一些大厂，如果能把ffmpeg搞精通，在国内拿个30K以上毫无压力分分钟的事情。但是这个库也确实有一定的难度，起码对我来说还是挺难的，按照提供的示例做点简单的demo没有问题，要搞稳定搞兼容性以及兼容各种需求场景，就非常难了，没有个好几年的捣鼓，很难搞好。
分享一个可交互的小场景（二）
一起学习一起进步~
06-25 6201
再看代码： JS部分。
PSO-BP神经网络纱线质量预测
01-04
下载方式：https://pan.quark.cn/s/a4b39357ea24 在纺织制造领域中，纱线的品质水平对最终制成品的整体质量具有决定性作用。 鉴于消费者对于产品规格和样式要求的不断变化，纺织制造工艺的执行过程日益呈现为一种更为复杂的操作体系，进而导致对纱线质量进行预测的任务变得更加困难。 在众多预测技术中，传统的预测手段在面对多变量间相互交织的复杂关系时，往往显得力不从心。 因此，智能计算技术在预测纱线质量的应用场景中逐渐占据核心地位，其中人工神经网络凭借其卓越的非线性映射特性以及自适应学习机制，成为了众多预测方法中的一种重要选择。 在智能计算技术的范畴内，粒子群优化算法（PSO）和反向传播神经网络（BP神经网络）是两种被广泛采用的技术方案。 粒子群优化算法是一种基于群体智能理念的优化技术，它通过模拟鸟类的群体觅食行为来寻求最优解，该算法因其操作简便、执行高效以及具备优秀的全局搜索性能，在函数优化、神经网络训练等多个领域得到了普遍应用。 反向传播神经网络则是一种由多层节点构成的前馈神经网络，它通过误差反向传播的机制来实现网络权重和阈值的动态调整，从而达成学习与预测的目标。 在实际操作层面，反向传播神经网络因其架构设计简洁、实现过程便捷，因此被广泛部署于各类预测和分类任务之中。 然而，该方法也存在一些固有的局限性，例如容易陷入局部最优状态、网络收敛过程缓慢等问题。 而粒子群优化算法在参与神经网络优化时，能够显著增强神经网络的全局搜索性能并提升收敛速度，有效规避神经网络陷入局部最优的困境。 将粒子群优化算法与反向传播神经网络相结合形成的PSO-BP神经网络，通过运用粒子群优化算法对反向传播神经网络的权值和阈值进行精细化调整，能够在预测纱线断裂强度方面，显著提升预测结果的...
植物实例分割数据集-20251116-235338.zip
01-04
植物实例分割数据集 一、基础信息 数据集名称：植物实例分割数据集 图片数量： - 训练集：9,600张图片 - 验证集：913张图片 - 测试集：455张图片 总计：10,968张图片 分类类别：59个类别，对应数字标签0至58，涵盖多种植物状态或特征。 标注格式：YOLO格式，适用于实例分割任务，包含多边形标注点。 数据格式：图像文件，来源于植物图像数据库，适用于计算机视觉任务。 二、适用场景 • 农业植物监测AI系统开发：数据集支持实例分割任务，帮助构建能够自动识别植物特定区域并分类的AI模型，辅助农业专家进行精准监测和分析。 • 智能农业应用研发：集成至农业管理平台，提供实时植物状态识别功能，为作物健康管理和优化种植提供数据支持。 • 学术研究与农业创新：支持植物科学与人工智能交叉领域的研究，助力发表高水平农业AI论文。 • 农业教育与培训：数据集可用于农业院校或培训机构，作为学生学习植物图像分析和实例分割技术的重要资源。 三、数据集优势 • 精准标注与多样性：标注采用YOLO格式，确保分割区域定位精确；包含59个类别，覆盖多种植物状态，具有高度多样性。 • 数据量丰富：拥有超过10,000张图像，大规模数据支持模型充分学习和泛化。 • 任务适配性强：标注兼容主流深度学习框架（如YOLO、Mask R-CNN等），可直接用于实例分割任务，并可能扩展到目标检测或分类等任务。
去广告插件FuckWeChatAdBlocker.dylib
01-04
Wechat功能增强类插件，常见包括界面优化、快捷操作、部分辅助功能入口等。插件来源于网络仅供测试使用，严禁任何非法用途，测试请于1小时内删除。
室内物体实例分割数据集-20251117-174910.zip
01-04
室内物体实例分割数据集 一、基础信息 • 数据集名称：室内物体实例分割数据集 • 图片数量： 训练集：4923张图片 验证集：3926张图片 测试集：985张图片 总计：9834张图片 • 训练集：4923张图片 • 验证集：3926张图片 • 测试集：985张图片 • 总计：9834张图片 • 分类类别： 床 椅子 沙发 灭火器 人 盆栽植物 冰箱 桌子 垃圾桶 电视 • 床 • 椅子 • 沙发 • 灭火器 • 人 • 盆栽植物 • 冰箱 • 桌子 • 垃圾桶 • 电视 • 标注格式：YOLO格式，包含实例分割的多边形标注，适用于实例分割任务。 • 数据格式：图片为常见格式如JPEG或PNG。 二、适用场景 • 实例分割模型开发：适用于训练和评估实例分割AI模型，用于精确识别和分割室内环境中的物体，如家具、电器和人物。 • 智能家居与物联网：可集成到智能家居系统中，实现自动物体检测和场景理解，提升家居自动化水平。 • 机器人导航与交互：支持机器人在室内环境中的物体识别、避障和交互任务，增强机器人智能化应用。 • 学术研究与教育：用于计算机视觉领域实例分割算法的研究与教学，助力AI模型创新与验证。 三、数据集优势 • 类别多样性：涵盖10个常见室内物体类别，包括家具、电器、人物和日常物品，提升模型在多样化场景中的泛化能力。 • 精确标注质量：采用YOLO格式的多边形标注，确保实例分割边界的准确性，适用于精细的物体识别任务。 • 数据规模充足：提供近万张标注图片，满足模型训练、验证和测试的需求，支持稳健的AI开发。 • 任务适配性强：标注格式兼容主流深度学习框架（如YOLO系列），便于快速集成到实例分割项目中，提高开发效率。
基于储能电站服务的冷热电多微网系统双层优化配置（Matlab代码实现）
最新发布
01-04
基于储能电站服务的冷热电多微网系统双层优化配置（Matlab代码实现）内容概要：本文围绕“基于储能电站服务的冷热电多微网系统双层优化配置”展开，提出了一种结合鲁棒优化方法的双层优化模型，用于解决含可再生能源的多微网系统在冷、热、电多种能源耦合下的优化配置问题。该模型上层优化微网间储能电站的配置与服务分配，下层优化各微网内部能源设备的运行调度，旨在提升系统经济性、可靠性和对不确定性的适应能力。文中详细阐述了模型构建过程，并通过Matlab代码实现仿真验证，展示了在不同场景下系统的优化效果与鲁棒性能。; 适合人群：具备一定电力系统、能源系统或优化理论基础的研究生、科研人员及从事微电网、综合能源系统设计与运营的工程技术人员。; 使用场景及目标：①用于研究多微网系统中储能电站的共享机制与优化配置策略；②支撑含高比例可再生能源的综合能源系统在不确定性环境下的规划与运行优化；③为科研复现与教学提供Matlab代码参考与算法实现思路。; 阅读建议：建议读者结合Matlab代码逐段理解模型实现细节，重点关注双层优化结构的数学建模与求解方法（如C&CG算法），并尝试调整参数或场景以加深对鲁棒优化机制的理解。
胰腺癌分段与识别，利用UNet进行.zip
01-04
1.版本：matlab2014a/2019b/2024b 2.附赠案例数据可直接运行。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。
import base64 import hashlib import math import random import time import requests import json import pandas as pd from datetime import datetime, timedelta import os class MaoyanAPISpider: def __init__(self): self.session = requests.Session() self.setup_headers() def setup_headers(self): """设置请求头""" self.headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/115.0.0.0 Safari/537.36', 'Referer': 'https://piaofang.maoyan.com/dashboard/movie', 'Origin': 'https://piaofang.maoyan.com', 'Accept': 'application/json, text/plain, */*', 'Accept-Language': 'zh-CN,zh;q=0.9,en;q=0.8', 'Accept-Encoding': 'gzip, deflate, br', 'Connection': 'keep-alive', 'Cookie': self.generate_cookies() } def generate_cookies(self): """生成必要的Cookie避免弹窗""" cookies = [ '__mta=', '_lxsdk_cuid=' + str(random.randint(1000000000, 9999999999)), '_lxsdk=' + str(random.randint(1000000000, 9999999999)), '_lx_utm=', '_lxsdk_s=%s' % (''.join(random.choices('abcdefghijklmnopqrstuvwxyz0123456789', k=10))), 'uuid=' + self.generate_uuid(), 'userTicket=', 'ci=1', ] return '; '.join(cookies) def generate_uuid(self): """生成UUID""" return f'{random.randint(1000000000, 9999999999)}{int(time.time())}' def generate_signature(self, timestamp, user_agent_encoded, index): """生成签名""" content = f"method=GET&timeStamp={timestamp}&User-Agent={user_agent_encoded}&index={index}&channelId=40009&sVersion=2&key=A013F70DB97834C0A5492378BD76C53A" md5 = hashlib.md5() md5.update(content.encode('utf-8')) return md5.hexdigest() def get_daily_data(self, date_str): """获取单日票房数据""" try: # 生成加密参数 user_agent = self.headers['User-Agent'] user_agent_encoded = str(base64.b64encode(user_agent.encode('utf-8')), 'utf-8') index = str(round(random.random() * 1000)) timestamp = str(math.ceil(time.time() * 1000)) # 生成签名 sign = self.generate_signature(timestamp, user_agent_encoded, index) # 构造请求参数 params = { 'orderType': '0', 'uuid': self.generate_uuid(), 'timeStamp': timestamp, 'User-Agent': user_agent_encoded, 'index': index, 'channelId': '40009', 'sVersion': '2', 'signKey': sign, 'date': date_str } url = 'https://piaofang.maoyan.com/dashboard-ajax/movie' # 发送请求 response = self.session.get(url, headers=self.headers, params=params, timeout=10) response.raise_for_status() # 检查响应内容 if response.text.strip() == '': print(f"日期 {date_str}: 返回空数据") return [] # 解析JSON数据 data = response.json() return self.parse_movie_data(data, date_str) except requests.exceptions.RequestException as e: print(f"网络请求失败 {date_str}: {e}") return [] except json.JSONDecodeError as e: print(f"JSON解析失败 {date_str}: {e}") print(f"响应内容: {response.text[:200]}...") return [] except Exception as e: print(f"获取 {date_str} 数据失败: {e}") return [] def parse_movie_data(self, data, date_str): """解析电影数据 - 修复字段映射问题""" movies_data = [] try: if 'movieList' in data and 'list' in data['movieList']: for movie in data['movieList']['list']: # 调试输出原始数据 if len(movies_data) == 0: # 只打印第一部电影的调试信息 print(f"调试信息 - 原始数据结构:") print(f"movie: {json.dumps(movie, ensure_ascii=False, indent=2)[:500]}...") # 正确解析字段 movie_info = { '日期': date_str, '电影名称': movie.get('movieInfo', {}).get('movieName', ''), '上映天数': movie.get('releaseInfo', {}).get('releaseDays', 0), # 修复：上映天数应该是数字 '累计票房': movie.get('sumBoxDesc', ''), '单日票房': movie.get('boxDesc', ''), '票房占比': movie.get('boxRate', ''), '排片占比': movie.get('showCountRate', ''), '上座率': movie.get('avgShowView', ''), '平均票价': movie.get('avgViewBox', ''), '场次': movie.get('showCount', ''), '人次': movie.get('showView', '') } # 检查数据是否正确 if len(movies_data) == 0: # 只打印第一部电影的检查信息 print(f"调试信息 - 解析后数据:") for key, value in movie_info.items(): print(f" {key}: {value}") movies_data.append(movie_info) print(f"日期 {date_str}: 解析到 {len(movies_data)} 部电影数据") return movies_data except Exception as e: print(f"解析数据失败: {e}") import traceback traceback.print_exc() return [] def crawl_range_data(self, start_date, end_date, target_count=10000): """爬取指定日期范围的数据""" all_data = [] current_date = datetime.strptime(start_date, "%Y-%m-%d") end_date = datetime.strptime(end_date, "%Y-%m-%d") print(f"开始爬取 {start_date} 到 {end_date} 的票房数据") print(f"目标数据量: {target_count} 条") while current_date <= end_date and len(all_data) < target_count: date_str = current_date.strftime("%Y-%m-%d") print(f"正在处理: {date_str}") daily_data = self.get_daily_data(date_str) if daily_data: all_data.extend(daily_data) print(f"当前总计: {len(all_data)} 条数据") # 避免请求过于频繁 time.sleep(random.uniform(1, 2)) current_date += timedelta(days=1) # 每100条保存一次备份 if len(all_data) % 100 == 0 and len(all_data) > 0: self.backup_data(all_data) return all_data def backup_data(self, data): """备份数据""" if data: df = pd.DataFrame(data) backup_dir = "D:\\毕业论文\\box_office_data\\backup" os.makedirs(backup_dir, exist_ok=True) timestamp = datetime.now().strftime("%Y%m%d_%H%M%S") backup_path = os.path.join(backup_dir, f"api_backup_{timestamp}.csv") df.to_csv(backup_path, index=False, encoding='utf-8-sig') print(f"数据已备份到: {backup_path}") def save_final_data(self, data, output_dir="D:\\毕业论文\\box_office_data"): """保存最终数据""" if not data: print("没有数据可保存") return None os.makedirs(output_dir, exist_ok=True) df = pd.DataFrame(data) # 保存各种格式 csv_path = os.path.join(output_dir, "maoyan_api_box_office.csv") df.to_csv(csv_path, index=False, encoding='utf-8-sig') json_path = os.path.join(output_dir, "maoyan_api_box_office.json") df.to_json(json_path, orient='records', force_ascii=False, indent=2) excel_path = os.path.join(output_dir, "maoyan_api_box_office.xlsx") df.to_excel(excel_path, index=False) print(f"数据保存完成:") print(f"CSV: {csv_path}") print(f"JSON: {json_path}") print(f"Excel: {excel_path}") print(f"总数据量: {len(df)} 条") # 显示数据预览 print("\n数据预览:") print(df[['日期', '电影名称', '上映天数', '累计票房', '单日票房']].head(10)) # 显示列名信息 print("\n列名信息:") for i, col in enumerate(df.columns, 1): print(f"{i}. {col}") return df def test_single_date(): """测试单日数据获取""" print("=" * 60) print("测试单日数据获取") print("=" * 60) spider = MaoyanAPISpider() # 测试不同日期 test_dates = ["2024-11-21", "2024-11-22", "2025-11-20"] for test_date in test_dates: print(f"\n正在测试日期: {test_date}") data = spider.get_daily_data(test_date) if data: df = pd.DataFrame(data) print(f"获取到 {len(data)} 条数据") print(f"日期列的值: {df['日期'].iloc[0]}") print(f"上映天数样例: {df['上映天数'].iloc[0]}") print(f"累计票房样例: {df['累计票房'].iloc[0]}") print(f"单日票房样例: {df['单日票房'].iloc[0]}") else: print("没有获取到数据") time.sleep(2) def main(): """主函数""" print("=" * 60) print("猫眼API票房数据爬虫") print("=" * 60) spider = MaoyanAPISpider() # 设置爬取参数 - 使用正确的日期范围 start_date = "2024-11-21" end_date = "2024-11-25" # 先测试小范围 target_count = 200 # 开始爬取 data = spider.crawl_range_data(start_date, end_date, target_count) # 保存数据 if data: df = spider.save_final_data(data) print("爬虫执行完成！") # 显示数据统计信息 if df is not None: print(f"\n数据统计:") print(f"日期范围: {df['日期'].min()} 到 {df['日期'].max()}") print(f"电影数量: {df['电影名称'].nunique()}") print(f"总记录数: {len(df)}") # 检查数据质量 print(f"\n数据质量检查:") print(f"上映天数为空: {df['上映天数'].isnull().sum()}") print(f"累计票房为空: {df['累计票房'].isnull().sum()}") print(f"单日票房为空: {df['单日票房'].isnull().sum()}") else: print("没有获取到数据") if __name__ == "__main__": # 先运行测试 test_single_date() # 再运行主程序 print("\n" + "=" * 60) print("开始主程序") print("=" * 60) main()显示D:\毕业论文\pythonProject3\.venv\Scripts\python.exe D:\毕业论文\pythonProject3\爬取.py ============================================================ 测试单日数据获取 ============================================================ 正在测试日期: 2024-11-21 调试信息 - 原始数据结构: movie: { "avgSeatView": "1.0%", "avgShowView": "1.5", "boxRate": "72.0%", "boxSplitUnit": { "num": ".", "unit": "万" }, "movieInfo": { "movieId": 1528577, "movieName": "鬼灭之刃：无限城篇 第一章 猗窝座再袭", "releaseInfo": "上映8天" }, "showCount": 129162, "showCountRate": "34.8%", "splitBoxRate": "71.2%", "splitBoxSplitUnit": { "num": ".", "unit": "万" }, "sumBoxDesc": "4.61亿", "sumSplitBo... 调试信息 - 解析后数据: 日期: 2024-11-21 电影名称: 鬼灭之刃：无限城篇 第一章 猗窝座再袭 上映天数: 0 累计票房: 4.61亿 单日票房: 票房占比: 72.0% 排片占比: 34.8% 上座率: 1.5 平均票价: 场次: 129162 人次: 日期 2024-11-21: 解析到 84 部电影数据 获取到 84 条数据 日期列的值: 2024-11-21 上映天数样例: 0 累计票房样例: 4.61亿 单日票房样例: 正在测试日期: 2024-11-22 调试信息 - 原始数据结构: movie: { "avgSeatView": "1.0%", "avgShowView": "1.5", "boxRate": "72.0%", "boxSplitUnit": { "num": ".", "unit": "万" }, "movieInfo": { "movieId": 1528577, "movieName": "鬼灭之刃：无限城篇 第一章 猗窝座再袭", "releaseInfo": "上映8天" }, "showCount": 129162, "showCountRate": "34.8%", "splitBoxRate": "71.2%", "splitBoxSplitUnit": { "num": ".", "unit": "万" }, "sumBoxDesc": "4.61亿", "sumSplitBo... 调试信息 - 解析后数据: 日期: 2024-11-22 电影名称: 鬼灭之刃：无限城篇 第一章 猗窝座再袭 上映天数: 0 累计票房: 4.61亿 单日票房: 票房占比: 72.0% 排片占比: 34.8% 上座率: 1.5 平均票价: 场次: 129162 人次: 日期 2024-11-22: 解析到 84 部电影数据 获取到 84 条数据 日期列的值: 2024-11-22 上映天数样例: 0 累计票房样例: 4.61亿 单日票房样例: 正在测试日期: 2025-11-20 调试信息 - 原始数据结构: movie: { "avgSeatView": "1.0%", "avgShowView": "1.5", "boxRate": "72.0%", "boxSplitUnit": { "num": ".", "unit": "万" }, "movieInfo": { "movieId": 1528577, "movieName": "鬼灭之刃：无限城篇 第一章 猗窝座再袭", "releaseInfo": "上映8天" }, "showCount": 129162, "showCountRate": "34.8%", "splitBoxRate": "71.2%", "splitBoxSplitUnit": { "num": ".", "unit": "万" }, "sumBoxDesc": "4.61亿", "sumSplitBo... 调试信息 - 解析后数据: 日期: 2025-11-20 电影名称: 鬼灭之刃：无限城篇 第一章 猗窝座再袭 上映天数: 0 累计票房: 4.61亿 单日票房: 票房占比: 72.0% 排片占比: 34.8% 上座率: 1.5 平均票价: 场次: 129162 人次: 日期 2025-11-20: 解析到 84 部电影数据 获取到 84 条数据 日期列的值: 2025-11-20 上映天数样例: 0 累计票房样例: 4.61亿 单日票房样例: ============================================================ 开始主程序 ============================================================ ============================================================ 猫眼API票房数据爬虫 ============================================================ 开始爬取 2024-11-21 到 2024-11-25 00:00:00 的票房数据 目标数据量: 200 条 正在处理: 2024-11-21 调试信息 - 原始数据结构: movie: { "avgSeatView": "1.0%", "avgShowView": "1.5", "boxRate": "72.0%", "boxSplitUnit": { "num": ".", "unit": "万" }, "movieInfo": { "movieId": 1528577, "movieName": "鬼灭之刃：无限城篇 第一章 猗窝座再袭", "releaseInfo": "上映8天" }, "showCount": 129162, "showCountRate": "34.8%", "splitBoxRate": "71.2%", "splitBoxSplitUnit": { "num": ".", "unit": "万" }, "sumBoxDesc": "4.61亿", "sumSplitBo... 调试信息 - 解析后数据: 日期: 2024-11-21 电影名称: 鬼灭之刃：无限城篇 第一章 猗窝座再袭 上映天数: 0 累计票房: 4.61亿 单日票房: 票房占比: 72.0% 排片占比: 34.8% 上座率: 1.5 平均票价: 场次: 129162 人次: 日期 2024-11-21: 解析到 84 部电影数据 当前总计: 84 条数据 正在处理: 2024-11-22 调试信息 - 原始数据结构: movie: { "avgSeatView": "1.0%", "avgShowView": "1.5", "boxRate": "72.0%", "boxSplitUnit": { "num": ".", "unit": "万" }, "movieInfo": { "movieId": 1528577, "movieName": "鬼灭之刃：无限城篇 第一章 猗窝座再袭", "releaseInfo": "上映8天" }, "showCount": 129162, "showCountRate": "34.8%", "splitBoxRate": "71.2%", "splitBoxSplitUnit": { "num": ".", "unit": "万" }, "sumBoxDesc": "4.61亿", "sumSplitBo... 调试信息 - 解析后数据: 日期: 2024-11-22 电影名称: 鬼灭之刃：无限城篇 第一章 猗窝座再袭 上映天数: 0 累计票房: 4.61亿 单日票房: 票房占比: 72.0% 排片占比: 34.8% 上座率: 1.5 平均票价: 场次: 129162 人次: 日期 2024-11-22: 解析到 84 部电影数据 当前总计: 168 条数据 正在处理: 2024-11-23 调试信息 - 原始数据结构: movie: { "avgSeatView": "1.0%", "avgShowView": "1.5", "boxRate": "72.0%", "boxSplitUnit": { "num": ".", "unit": "万" }, "movieInfo": { "movieId": 1528577, "movieName": "鬼灭之刃：无限城篇 第一章 猗窝座再袭", "releaseInfo": "上映8天" }, "showCount": 129162, "showCountRate": "34.8%", "splitBoxRate": "71.2%", "splitBoxSplitUnit": { "num": ".", "unit": "万" }, "sumBoxDesc": "4.61亿", "sumSplitBo... 调试信息 - 解析后数据: 日期: 2024-11-23 电影名称: 鬼灭之刃：无限城篇 第一章 猗窝座再袭 上映天数: 0 累计票房: 4.61亿 单日票房: 票房占比: 72.0% 排片占比: 34.8% 上座率: 1.5 平均票价: 场次: 129162 人次: 日期 2024-11-23: 解析到 84 部电影数据 当前总计: 252 条数据 数据保存完成: CSV: D:\毕业论文\box_office_data\maoyan_api_box_office.csv JSON: D:\毕业论文\box_office_data\maoyan_api_box_office.json Excel: D:\毕业论文\box_office_data\maoyan_api_box_office.xlsx 总数据量: 252 条 数据预览: 日期 电影名称 上映天数 累计票房 单日票房 0 2024-11-21 鬼灭之刃：无限城篇 第一章 猗窝座再袭 0 4.61亿 1 2024-11-21 惊天魔盗团3 0 1.94亿 2 2024-11-21 菜肉馄饨 0 1626.2万 3 2024-11-21 狂野时代 0 22.5万 4 2024-11-21 铁血战士：杀戮之地 0 9633.6万 5 2024-11-21 志愿军：浴血和平 0 6.35亿 6 2024-11-21 三滴血 0 1851.2万 7 2024-11-21 不该停止的追问 0 15.8万 8 2024-11-21 浪浪人生 0 4.48亿 9 2024-11-21 开心岭 0 114.7万 列名信息: 1. 日期 2. 电影名称 3. 上映天数 4. 累计票房 5. 单日票房 6. 票房占比 7. 排片占比 8. 上座率 9. 平均票价 10. 场次 11. 人次 爬虫执行完成！ 数据统计: 日期范围: 2024-11-21 到 2024-11-23 电影数量: 84 总记录数: 252 数据质量检查: 上映天数为空: 0 累计票房为空: 0 单日票房为空: 0 Process finished with exit code 0怎么解决，且2024-11-21 鬼灭之刃：无限城篇 第一章 猗窝座再袭 0 4.61亿 1 2024-11-21 惊天魔盗团3 0 1.94亿 2 2024-11-21 菜肉馄饨 0 1626.2万 3 2024-11-21 狂野时代 0 22.5万 都是2025.11.20的数据，却显示2024，请给出完整代码
11-22
为了解决猫眼API票房数据爬虫代码中上映天数为0、单日票房为空及日期显示错误的问题，需要对数据解析部分进行调整。以下是修改后的完整代码： ```python import base64 import hashlib import math import random import time import requests import json import pandas as pd from datetime import datetime, timedelta import os class MaoyanAPISpider: def __init__(self): self.session = requests.Session() self.setup_headers() def setup_headers(self): """设置请求头""" self.headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/115.0.0.0 Safari/537.36', 'Referer': 'https://piaofang.maoyan.com/dashboard/movie', 'Origin': 'https://piaofang.maoyan.com', 'Accept': 'application/json, text/plain, */*', 'Accept-Language': 'zh-CN,zh;q=0.9,en;q=0.8', 'Accept-Encoding': 'gzip, deflate, br', 'Connection': 'keep-alive', 'Cookie': self.generate_cookies() } def generate_cookies(self): """生成必要的Cookie避免弹窗""" cookies = [ '__mta=', '_lxsdk_cuid=' + str(random.randint(1000000000, 9999999999)), '_lxsdk=' + str(random.randint(1000000000, 9999999999)), '_lx_utm=', '_lxsdk_s=%s' % (''.join(random.choices('abcdefghijklmnopqrstuvwxyz0123456789', k=10))), 'uuid=' + self.generate_uuid(), 'userTicket=', 'ci=1', ] return '; '.join(cookies) def generate_uuid(self): """生成UUID""" return f'{random.randint(1000000000, 9999999999)}{int(time.time())}' def generate_signature(self, timestamp, user_agent_encoded, index): """生成签名""" content = f"method=GET&timeStamp={timestamp}&User-Agent={user_agent_encoded}&index={index}&channelId=40009&sVersion=2&key=A013F70DB97834C0A5492378BD76C53A" md5 = hashlib.md5() md5.update(content.encode('utf-8')) return md5.hexdigest() def get_daily_data(self, date_str): """获取单日票房数据""" try: # 生成加密参数 user_agent = self.headers['User-Agent'] user_agent_encoded = str(base64.b64encode(user_agent.encode('utf-8')), 'utf-8') index = str(round(random.random() * 1000)) timestamp = str(math.ceil(time.time() * 1000)) # 生成签名 sign = self.generate_signature(timestamp, user_agent_encoded, index) # 构造请求参数 params = { 'orderType': '0', 'uuid': self.generate_uuid(), 'timeStamp': timestamp, 'User-Agent': user_agent_encoded, 'index': index, 'channelId': '40009', 'sVersion': '2', 'signKey': sign, 'date': date_str } url = 'https://piaofang.maoyan.com/dashboard-ajax/movie' # 发送请求 response = self.session.get(url, headers=self.headers, params=params, timeout=10) response.raise_for_status() # 检查响应内容 if response.text.strip() == '': print(f"日期 {date_str}: 返回空数据") return [] # 解析JSON数据 data = response.json() return self.parse_movie_data(data, date_str) except requests.exceptions.RequestException as e: print(f"网络请求失败 {date_str}: {e}") return [] except json.JSONDecodeError as e: print(f"JSON解析失败 {date_str}: {e}") print(f"响应内容: {response.text[:200]}...") return [] except Exception as e: print(f"获取 {date_str} 数据失败: {e}") return [] def parse_movie_data(self, data, date_str): """解析电影数据 - 修复字段映射问题""" movies_data = [] try: if 'movieList' in data and 'list' in data['movieList']: for movie in data['movieList']['list']: # 调试输出原始数据 if len(movies_data) == 0: # 只打印第一部电影的调试信息 print(f"调试信息 - 原始数据结构:") print(f"movie: {json.dumps(movie, ensure_ascii=False, indent=2)[:500]}...") # 正确解析字段 movie_info = { '日期': date_str, '电影名称': movie.get('movieInfo', {}).get('movieName', ''), '上映天数': self.parse_release_days(movie.get('releaseInfo', {})), '累计票房': movie.get('sumBoxDesc', ''), '单日票房': self.parse_single_day_box_office(movie), '票房占比': movie.get('boxRate', ''), '排片占比': movie.get('showCountRate', ''), '上座率': movie.get('avgShowView', ''), '平均票价': movie.get('avgViewBox', ''), '场次': movie.get('showCount', ''), '人次': movie.get('showView', '') } # 检查数据是否正确 if len(movies_data) == 0: # 只打印第一部电影的检查信息 print(f"调试信息 - 解析后数据:") for key, value in movie_info.items(): print(f" {key}: {value}") movies_data.append(movie_info) print(f"日期 {date_str}: 解析到 {len(movies_data)} 部电影数据") return movies_data except Exception as e: print(f"解析数据失败: {e}") import traceback traceback.print_exc() return [] def parse_release_days(self, release_info): """解析上映天数""" release_days_str = release_info.get('releaseDays', '0') try: return int(release_days_str) except ValueError: return 0 def parse_single_day_box_office(self, movie): """解析单日票房""" box_split_unit = movie.get('boxSplitUnit', {}) num = box_split_unit.get('num', '') unit = box_split_unit.get('unit', '') if num and unit: return f"{num}{unit}" return '' def crawl_range_data(self, start_date, end_date, target_count=10000): """爬取指定日期范围的数据""" all_data = [] current_date = datetime.strptime(start_date, "%Y-%m-%d") end_date = datetime.strptime(end_date, "%Y-%m-%d") print(f"开始爬取 {start_date} 到 {end_date} 的票房数据") print(f"目标数据量: {target_count} 条") while current_date <= end_date and len(all_data) < target_count: date_str = current_date.strftime("%Y-%m-%d") print(f"正在处理: {date_str}") daily_data = self.get_daily_data(date_str) if daily_data: all_data.extend(daily_data) print(f"当前总计: {len(all_data)} 条数据") # 避免请求过于频繁 time.sleep(random.uniform(1, 2)) current_date += timedelta(days=1) # 每100条保存一次备份 if len(all_data) % 100 == 0 and len(all_data) > 0: self.backup_data(all_data) return all_data def backup_data(self, data): """备份数据""" if data: df = pd.DataFrame(data) backup_dir = "D:\\毕业论文\\box_office_data\\backup" os.makedirs(backup_dir, exist_ok=True) timestamp = datetime.now().strftime("%Y%m%d_%H%M%S") backup_path = os.path.join(backup_dir, f"api_backup_{timestamp}.csv") df.to_csv(backup_path, index=False, encoding='utf-8-sig') print(f"数据已备份到: {backup_path}") def save_final_data(self, data, output_dir="D:\\毕业论文\\box_office_data"): """保存最终数据""" if not data: print("没有数据可保存") return None os.makedirs(output_dir, exist_ok=True) df = pd.DataFrame(data) # 保存各种格式 csv_path = os.path.join(output_dir, "maoyan_api_box_office.csv") df.to_csv(csv_path, index=False, encoding='utf-8-sig') json_path = os.path.join(output_dir, "maoyan_api_box_office.json") df.to_json(json_path, orient='records', force_ascii=False, indent=2) excel_path = os.path.join(output_dir, "maoyan_api_box_office.xlsx") df.to_excel(excel_path, index=False) print(f"数据保存完成:") print(f"CSV: {csv_path}") print(f"JSON: {json_path}") print(f"Excel: {excel_path}") print(f"总数据量: {len(df)} 条") # 显示数据预览 print("\n数据预览:") print(df[['日期', '电影名称', '上映天数', '累计票房', '单日票房']].head(10)) # 显示列名信息 print("\n列名信息:") for i, col in enumerate(df.columns, 1): print(f"{i}. {col}") return df def test_single_date(): """测试单日数据获取""" print("=" * 60) print("测试单日数据获取") print("=" * 60) spider = MaoyanAPISpider() # 测试不同日期 test_dates = ["2024-11-21", "2024-11-22", "2025-11-20"] for test_date in test_dates: print(f"\n正在测试日期: {test_date}") data = spider.get_daily_data(test_date) if data: df = pd.DataFrame(data) print(f"获取到 {len(data)} 条数据") print(f"日期列的值: {df['日期'].iloc[0]}") print(f"上映天数样例: {df['上映天数'].iloc[0]}") print(f"累计票房样例: {df['累计票房'].iloc[0]}") print(f"单日票房样例: {df['单日票房'].iloc[0]}") else: print("没有获取到数据") time.sleep(2) def main(): """主函数""" print("=" * 60) print("猫眼API票房数据爬虫") print("=" * 60) spider = MaoyanAPISpider() # 设置爬取参数 - 使用正确的日期范围 start_date = "2024-11-21" end_date = "2024-11-25" # 先测试小范围 target_count = 200 # 开始爬取 data = spider.crawl_range_data(start_date, end_date, target_count) # 保存数据 if data: df = spider.save_final_data(data) print("爬虫执行完成！") # 显示数据统计信息 if df is not None: print(f"\n数据统计:") print(f"日期范围: {df['日期'].min()} 到 {df['日期'].max()}") print(f"电影数量: {df['电影名称'].nunique()}") print(f"总记录数: {len(df)}") # 检查数据质量 print(f"\n数据质量检查:") print(f"上映天数为空: {df['上映天数'].isnull().sum()}") print(f"累计票房为空: {df['累计票房'].isnull().sum()}") print(f"单日票房为空: {df['单日票房'].isnull().sum()}") else: print("没有获取到数据") if __name__ == "__main__": # 先运行测试 test_single_date() # 再运行主程序 print("\n" + "=" * 60) print("开始主程序") print("=" * 60) main() ``` ### 代码说明： - `parse_release_days` 函数用于解析上映天数，尝试将获取到的上映天数字符串转换为整数。 - `parse_single_day_box_office` 函数用于解析单日票房，从 `boxSplitUnit` 中提取数字和单位，组合成完整的单日票房信息。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 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