电影天堂爬虫

最新推荐文章于 2025-06-23 10:16:45 发布

原创

最新推荐文章于 2025-06-23 10:16:45 发布 · 4.4k 阅读

2 ·

CC 4.0 BY-SA版权

本文将介绍如何使用Python进行网络爬虫，抓取电影天堂网站上的最新电影资源链接，涉及requests、BeautifulSoup等库的使用，以及网页动态加载的处理技巧。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

from lxml import etree
import requests
BASE_DOMIN = "http://dytt8.net"

url = "http://dytt8.net/html/gndy/dyzz/list_23_1.html"

headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/72.0.3626.96 Safari/537.36'
        }


def get_detail_urls(url):
    response = requests.get(url, headers=headers)
    #response.text
    #response.content
    #requests库，默认会使用自己猜测的编码方式将
    #抓取下来的网页进行编码，然后存储到 text属性上去
    # 在电影天堂的网页中，因为编码方式，requests库猜错了，所以会产生乱码
    #print(response.text)
    #print(response.content.decode("gbk"))
    print(response.encoding)
    text = response.text
    html = etree.HTML(text)
    details_urls = html.xpath(".//table[@class='tbspan']//a/@href")
    details_urls = map(lambda url:BASE_DOMIN+url, details_urls)
    return details_urls

def parse_detail_page(url):
    movie = {}
    response = requests.get(url, headers=headers)
    text = response.content.decode("gbk")
    html = etree.HTML(tex