网络爬虫实例:找出腾讯视频的电视电影名和链接

采集腾讯视频里电视剧《在一起》的全部评论信息并且制作词云 作业介绍 作业目标 Python爬取腾讯视频《在一起》评论,利用分词器处理数据,生成词云,将代码上传到Github 作业源代码 第一次个人编程代码 时间记录 步骤 具体做法 时间 1. 进行数据采集 采集腾讯视频里电视剧《在一起》的全部评论信息 2h 2.进行数据处理 把所有数据下载到本地保存到json文件里面comments.json, 页面用js读取文件 5h 3.数据分析展示 将采集到的评论信息做成词云图 Nh 4.代码上传到Github 上传到Gith 阅读详情




[gavin@localhost get_movie]$ python get_movie.py
Input the link of QQ movie
http://v.qq.com/list/2_-1_-1_-1_1_0_0_20_-1_-1.html
http://v.qq.com/list/2_-1_-1_-1_1_0_0_20_-1_-1.html
刀客家族的女人
http://v.qq.com/cover/3/3x0x6czcrvedphk.html
生活启示录
http://v.qq.com/cover/z/zvqk3fww8130zu3.html
产科男医生
http://v.qq.com/cover/k/k4tffs6sdczjkur.html
你们被包围了
http://v.qq.com/cover/n/nijiw7wrm0ubp0z.html
Triangle三角
http://v.qq.com/cover/q/q0c1lhfa4umqbw3.html
加油爱人
http://v.qq.com/cover/6/614gfunx9aode39.html
飞哥大英雄
http://v.qq.com/cover/o/ozdulcozhtj3hlx.html
金玉良缘
http://v.qq.com/cover/e/ej4pj00outhp38n.html
诛三计
http://v.qq.com/cover/4/42qmq5prq32tfgb.html
如果我爱你
http://v.qq.com/cover/n/no0xky7q8phhkc6.html
密使2之江都谍影
http://v.qq.com/cover/7/7aue7d27yearp19.html
小宝和老财
http://v.qq.com/cover/w/wlunt0wb380jthm.html
咱们结婚吧
http://v.qq.com/cover/b/blf9ksy1ulf6z33.html
步步惊情
http://v.qq.com/cover/i/ikibji2k73dqazu.html
大当家
http://v.qq.com/cover/7/765s6mwbdbpb3ep.html
宫锁连城
http://v.qq.com/cover/n/npzqf0vd4i5nqjh.html
铁血独立营
http://v.qq.com/cover/r/r8m1s4yzu1wc1hl.html
我爱男闺蜜
http://v.qq.com/cover/6/6hbwvj85sic930l.html
薛丁山
http://v.qq.com/cover/2/2qq1c1iqph9qpxd.html
一仆二主
http://v.qq.com/cover/a/anlxed56zwbpm16.html


也可建立HTML网页




上代码:

#!/usr/bin/env python
# coding=utf-8
#########################################
	#> File Name: get_movie.py
	#> Author: nealgavin
	#> Mail: nealgavin@126.com 
	#> Created Time: Sat 24 May 2014 09:03:58 PM CST
#########################################
import re
import urllib2
import BeautifulSoup
import string
from sgmllib import SGMLParser
import sys

NUM = 0         #全局 电影数量
m_type = u''    #电影类型
m_site = u'qq'  #电影网站

def gethtml(url):
    """获取网页的代码"""
    req = urllib2.Request(url)
    response = urllib2.urlopen(req)
    html = response.read()
    return html


def out_Chinese(tags):
    for tag in tags:
        print str(tag)

def gettags(html):
    global m_type
    #print html
    soup = BeautifulSoup.BeautifulSoup(html)
    #print soup
    tags_all = soup.findAll( 'div',{ 'class':'grid_18' } )
    re_tags = r'<h6 class="scores">(.+?)</h6>'
    re.UNICODE
    p = re.compile(re_tags,re.DOTALL)
    tags = p.findall(str(tags_all[0]))
#    print tags_all
#    print "++"*300
    return tags

def buildMovieName(url):
    print '<html><meta charset="utf-8"><head>Tecent Movie</head><body>'
    out_Chinese(gettags(gethtml(url)))
    print '</body></html>'

def getMovieName(tags):
    tags = gettags(gethtml(tags))
    movieNames = []
    re_rules = r'<a href="(.+?)" title="(.+?)" target="(.*?)">'
    match = re.compile(re_rules)
    for tag in tags:
        name = match.findall(tag)[0]
        movieNames.append(name[1])#movie name
        movieNames.append(name[0])#movie link
    out_Chinese(movieNames)
    return movieNames
#print gethtml(url)
#buildMovieName(url)

url = raw_input("Input the link of QQ movie\n")
if url is None or len(url) == 0:
    url = 'http://v.qq.com/list/1_-1_-1_-1_2_0_0_20_0_-1_0.html'
print url
getMovieName(url)



利用Python爬虫抓取视频网站的分类信息:从基础到实战 爬虫(Web Scraping)是一种自动化的数据抓取技术,广泛应用于信息收集、数据分析和人工智能等领域。通过爬虫,我们可以自动地从互联网上抓取我们需要的信息,例如新闻、商品价格、评论等。在本篇博客中,我们将重点介绍如何抓取视频网站的分类信息。在本篇博客中,我们使用Python编写了一个爬虫来抓取视频网站的分类信息,使用了requests和Selenium等工具,详细讨论了反爬虫策略、错误处理、数据存储等问题。 阅读详情

相关推荐

TS流网页视频播放

TS流网页视频播放器,一个可以支持windows 网页端播放ts流的demo。

视频流

问题:最近在做视频直播,延迟问题很严重,pc端还好,延迟5s左右,在微信h5有时候延迟30s以上,所以来研究一下视频播放          PC用的是flv.js播放的,微信使用h5 video播放 一、HTML5录制视频     可以使用强大的webRTC,目前腾讯的实时音视频就是用的webRTC,但是兼容性不是很好 二、播放直播视频 目前有两种视频协议流,一种是HLS,另外一种是...

qq_32439381的博客 3883

手机版在线学习视频教程网页模板

html5手机版视频教程在线学习模板,包括课程页、课程列表页、视频播放页、个人页

500G 史上最全的JAVA全套教学视频网盘分享

1、javascript视频教程 链接: https://pan.baidu.com/s/1slYX3Ff 密码: jn92 2、JPA视频教程 链接: https://pan.baidu.com/s/1c3QkLQ4 密码: 8f8v 3、马士兵hibernate视频教程 链接: https://pan.baidu.com...

十年呵护的专栏 6万+

资源嗅探器

嗅探下载视频资源,支持主流媒体资源,但不是所有媒体都支持。

php 网页播放器用来播放在线视频的代码(自动判断并选择视频文件类型)

在web开发中经常会碰到一些简单的视频播放功能,但现在的视频格式不同,并且可以动态增加,所以我们就必须把视频保存到数据哦,好了下面我们来看我写的段简单的 php视频网页播放器代码吧。 复制代码 代码如下: <?PHP include ‘./admin/connect.php’; @extract($db->get_one(“select * from movieinfo where id='\u201d.$_GET[\u2018id\u2019].\u201d\u2018\u201d)); $db->query(\u201cupdate movieinfo set playnum=playnum+1 where id='”.$_GET[‘id’].”‘ “);

hpcasts.com 视频学习网站源代码分析--(1)

本网站基于 ruby  on rails。 第一步: 查看配置 https://github.com/happypeter/onestep/blob/master/config/routes.rb 获取首页信息:  root :to => 'info#marketing' 可以看出目前的首页是指向 info的marketing 函数 第二步:查看首页

3021

Python视频爬虫实现下载头条视频功能示例

本文实例讲述了Python视频爬虫实现下载头条视频功能。分享给大家供大家参考,具体如下: 一、需求分析 抓取头条短视频 思路: 分析网页源码,查找解析出视频资源url(查看源代码,搜mp4) 对该url发起请求,返回二进制数据 将二进制数据保存为视频格式 视频链接: http://video.eastday.com/a/170612170956054127565.html 二、代码实现 # encoding: utf-8 import sys reload(sys) sys.setdefaultencoding('utf-8') import requests import re impor

Python爬虫:爬取链接被加密的网站中的视频《传闻中的陈芊芊》

最近,腾讯视频上映了一部名为《传闻中的陈芊芊》的网剧,又甜又虐又搞笑,就连我这个不怎么看剧的人,看了几分钟左右的剪辑就突然开始了我的追剧之路。剧情大概是男主… 呀!跑题了!差点就又开始了…/偷笑/偷笑 想着最近也没有什么事做,所以就写一个实例吧,用来爬取这部电视剧,顺便还可以看看剧,嘻嘻嘻… 导入: 咳咳!言归正传,当我们在写爬虫实例时,就肯定会对每个网页的链接进行分析,然后才能模拟请求。就 目前而言 ,根据我的 不完全统计 显示。有以下三种情况: 在浏览器地址栏 显示 域名加搜索的关键字(和其他参.

高智商白痴 1万+

R语言vegan包实战:用varpart函数搞定生态学VPA分析(附完整代码与数据集)

本文详细介绍了如何使用R语言vegan包中的varpart函数进行生态学方差分解分析(VPA),包括数据准备、模型构建、结果解读和可视化呈现。通过完整的代码示例和数据集,帮助研究者理解不同环境因子对生物群落变化的相对贡献,并掌握显著性检验等高级技巧。

weixin_42525005的博客 450

飞行器坐标转换

本文定义的是右手直角坐标系,x−y−zx-y-zx−y−z轴分别为北-天-东。从AAA坐标系到BBB坐标系是分别绕y−z−xy-z-xy−z−x轴,即天-东-北旋转ψ−θ−γψ−θ−γ。如果AAA是惯性系,BBB是机体系,则这三个角度分别为偏航角、俯仰角、横滚角。图1 惯性系到机体系。

gongfuyd的博客 1355

c#爬虫-使用ChromeDriver 所见即所得

问题最近在做爬虫的时候发现很多网页都是浏览器看得见,但是源文件是看不到的,也就是所谓的异步加载。这时候如果我们需要那些异步内容,要么是了解他的规则,进行条件的组合进而再次进行http请求,得到数据;这种方式有时候遇到逻辑复杂的就比较不好处理。这时候ChromeDriver就派上用场了。办法下面我们来看下这个例子爬取腾讯视频,获取电视剧或电影链接。浏览器是这样的查看文件是这...

zls365365的博客 1035

区域法(zonal method)重构波前

目的:实现区域法的Matlab代码 1.理论介绍 区域法波前重构即从波前探测器测得的波前斜率中恢复出波前的相位值,其分为:休晋模型(Hudgin)[90]、绍契威尔模型(Southwell)[40]和弗雷德模型(Fried)[48]。 1.1 Fried模型,对于N×N微透镜阵列构成的网格: 以3*3的子透镜为例,解释上式,对其展开 改写为矩阵形式: 记作:S=AΦ,A根据N而确定。S是波前探测器测得的斜率,Φ是重构矩阵的相位值。 1.2 而Southwel...

EyRe1的博客 8196

python爬取腾讯视频弹幕_网络爬虫实战(四):爬取腾讯视频电视剧弹幕-Go语言中文社区...

文章目录实战背景说到被翻拍最多的大概就是金庸先生的剧了,有华人的地方就会有金庸剧。而在他的多部小说中,翻拍次数最多的无疑就是《倚天屠龙记》了,而且次数已经高达十四次。最早的是1963香港导演将这个小说以电影形式拍成了上下两集。虽然是第一次,但不得不说导演也是非常的有新意,和金庸多次沟通后,也是将很多情节做了一些改变,比如将武当七侠排行最小的改成了师妹,而金毛谢逊也只是瞎一只眼等等。随后更是很多导演...

weixin_39620278的博客 612

Android13 SurfaceFlinger启动流程分析

在Android13版本中,SurfaceFlinger是由Android.bp去启动init.rc文件,然后再解析文件去加载SurfaceFlinger。上面方法主要处理如下:1、调用surfaceflinger的createSurfaceFlinger方法,实例化surfaceflinger。2、调用flinger(surfaceflinger)的init()方法,在客户端连接之前进行初始化。

liuning1985622的博客 1919

切比雪夫插值

切比雪夫插值是一种基于切比雪夫节点的多项式插值方法,其优势是减少插值误差(特别是龙格现象:表现为高维插值时在边缘处插值误差骤增)。本文对其基本操作进行说明。

平和少年的博客 1647

敲实用的视频小插件,你确定不瞄一眼吗~

哈喽,大家好,我是袁小威,好久没给大家分享好东西了,今天袁小威给大家带来一个实用小功能,那就是获取腾讯视频真实播放url,当然这个小功能还是有些许局限性,经本人实测,目前支持腾讯视频娱乐、音乐、新闻、搞笑、游戏、原创、时尚、生活、汽车、科技、财经、房产、育儿、旅游等分类栏目,对于电影、电视剧、动漫、韩剧、微电影、体育、NBA、直播、精品课等还无法获取,好了,下面进入正题吧。 首先,我们需要获取到我...

袁威的博客 1011

华为2019秋招笔试Java实现(2)

华为2019秋招笔试Java实现(2) 笔试日期2019年8月14日 第二题(200分) 题目描述 某程序员小A,有一种表格数据需要存储在文件中。表格中的每一行,由若干个字段组成,每个字段可以是整数或字符串(字符串只包含数字、字母以及特殊字符!@#%^&*()",)。小A设计了一种存储格式,采用文本的方式对表格数据进行存储。文本文件中的每一行,代表了表格数据中的一行数据。具体格式描述如下: 1、采用逗号分隔不同的字段(逗号前后无空格); 2、数字直接采用10进制的文本存储; 3、字符串的存储规则如下

hewhys的博客 1549

捡了鼠标开网吧系列——nodejs爬取电影链接

前言 最近在看新出的电视剧“斗破苍穹”,可是一集电视剧的广告开头90s中间45s片尾15s,实在令人发指。之前有了解过,网上有很多免vip解析接口,于是本渣决定动手做一个可以去除广告的小网站,于是有一下采坑过程。 采坑之路 首先,这是最终在线预览。文章核心是爬取电影链接,然后和现有的会员解析接口拼接展示。 1.初版 视频解析接口+电影链接=无广告电影。 经过测试,预期功能实现。emmm,鼠标捡到...

weixin_33701294的博客 788

5. SAP UI5 视图控制器(Controller)初探

本教程的前一个步骤也就是第四个步骤,我们了解了 SAP UI5 XML 视图的使用方法。在该步骤里,我们在 XML 视图里声明了一个 Text 控件实例,该控件位于 sap.m 这个命名空间内。 本步骤会继续接触 SAP UI5 MVC 框架中三大基石的另一块:C - Controller,即控制器。 先看看本步骤完成之后,我们得到的 SAP UI5 应用能实现一个什么样的效果。 访问如下 url: http://localhost:8080/webapp/index.html 能看到一个 Say Hell

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 4600

CosyVoice语音合成使用教程

CosyVoice是一款开源的语音合成工具,它基于深度学习模型,能够生成高度逼真的语音内容。该工具支持多种语言的语音生成,包括中文、英文、日文、粤语和韩语。CosyVoice的亮点在于它对生成语音情感和韵律的精细控制,通过富文本或自然语言输入,可以显著提升合成语音的情感表达能力。CosyVoice提供了多种预训练模型,用户可以根据需求选择合适的模型。:基底模型,适用于一般语音合成任务。:经过SFT微调的模型,适用于特定音色和情感的语音合成。:支持Instruct微调的模型,适用于自然语言控制的语音合成。

笔者从事电信媒体开发多年,愿意将多年的开发经验分享给同行 4444

Python爬虫:利用Python爬取网站上加 密 的 视 频

最近,腾讯视频上映了一部名为《传闻中的陈芊芊》的网剧,又甜又虐又搞笑,就连我这个不怎么看剧的人,看了几分钟左右的剪辑就突然开始了我的追剧之路。剧情大概是男主… 呀!跑题了!差点就又开始了…/偷笑/偷笑 很多人学习python,不知道从何学起。 很多人学习python,掌握了基本语法过后,不知道在哪里寻找案例上手。 很多已经做案例的人,却不知道如何去学习更加高深的知识。 那么针对这三类人,我给大家提供一个好的学习平台,免费领取视频教程,电子书籍,以及课程的源代码!??¤QQ群:623406465 想着最近.

Python_sn的博客 7万+

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

TVBoxOSC:打造智能电视盒的终极开源播放解决方案

在数字娱乐快速发展的今天,智能电视盒已成为家庭娱乐中心的核心设备。然而,传统的电视盒应用往往功能单一、扩展性差,难以满足用户对个性化内容聚合的需求。TVBoxOSC应运而生,这是一个基于开源协议的智能电视盒播放框架,为用户提供了高度可定制的视频内容聚合解决方案。通过灵活的配置机制和模块化设计,TVBoxOSC让每个人都能打造属于自己的专属电视盒应用。 ## 🔥 项目核心亮点 ### 🎯 高

gitblog_00561的博客 898

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

坏消息:百度影音、快播关闭P2P服务器!

继日前优酷土豆集团、搜狐视频、腾讯视频、乐视网、中国电影著作权协会(MPA)、美国电影协会 (MPAA)、日本内容产品流通海外促进机构(CODA)、万达影业、光线传媒、乐视影业联合发布“中国网络视频反盗版联合行动宣言”后不久,近日P2P老大百度影音迫于高度重视版权保护,采取通过多项技术创新实现对版权视频内容的保护,大力扶持正版,打击盗版。(其中就包括了停止关闭P2P服务器) 各位尊敬的网友,当您...

weixin_33858485的博客 852

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

上一篇: hdu-4833-Best-Financing(DP)
下一篇: python爬虫优快云文章抓取
剑不飞
博客等级 码龄15年 86粉丝 505原创
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
 
 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