python_day04
阅读原文时间:2023年07月10日阅读:2

今日内容:

一、爬虫三部曲:

1、发送请求

2.解析数据

3.保存数据

4、解析详情页,获取视频地址

mport requests
import re #正则模块
import uuid
#uuid.uuid4(),根据时间戳,生成一段世界上惟一的字符串
#导入线程池模块

#爬虫三部曲
#1.发送请求
def get_page(url):
response=requests.get(url)
return response
#2.解析数据
def parse_index(text):
res = re.findall('<a href="video_(.*?)"', text, re.S)
#print(res)
detail_url_list=[]
for m_id in res:
# 拼接详情页url
detail_url = "https://www.pearvideo.com/video_" + m_id
detail_url_list.append(detail_url)
return detail_url_list

#4.解析详情页,获取视频url
def parse_detail(text):
movie_url=re.findall('srcUrl="(.*?)"',text,re.S)[0]
return movie_url

#3.保存数据

def save_movie(movie_url):

response=requests.get(movie_url)

with open(f'{uuid.uuid4()}.mp4','wb')as f:

f.write(response.content)

f.flush()

if __name__ == '__main__':
#main+回车键

index\_res=get\_page(url='https://www.pearvideo.com/')

detail\_url\_list=parse\_index(index\_res.text)  
#print(detail\_url\_list)

for detail\_url in detail\_url\_list:  
    detail\_res=get\_page(url=detail\_url)  
    movie\_url=parse\_detail(detail\_res.text)  
    print(movie\_url)

    # save\_movie(movie\_url)

二、带参数的爬虫

# '''

知乎添加了反爬功能,需要添加参数使用user-agent

'''

import requests
headers={'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.169 Safari/537.36'
}

#在get请求内添加user-agent

response=requests.get(url='https://www.zhihu.com/explore',headers=headers)

with open('zhihu.html','w',encoding='utf-8') as f:

f.write(response.text)

'''
params参数
访问百度搜查朴灿烈url
'''
from urllib.parse import urlencode

url='https://www.baidu.com/s?ie=utf-8&f=3&rsv_bp=1&tn=02003390_3_hao_pg&wd=%E6%9C%B4%E7%81%BF%E7%83%88'

url='https://www.baidu.com/s?'+urlencode({'wd':'朴灿烈'})
print(url)

response=requests.get(url,headers=headers,params={'百度':'安徽工程大学'})

with open('gongcheng.html','w',encoding='utf-8')as f:

f.write(response.text)

三、爬取梨视频

'''
爬取梨视频(下面三条信息从浏览器中查看)

Request URL:
https://www.pearvideo.com/

Request Method:
GET

Request headers:
user-agent: ***********

'''

import requests
import re # 正则模块
import uuid # uuid.uuid4() 可以根据当前时间戳随机产生成唯一的字符串

爬虫三部曲

1. 发送请求

def get_page(index_url):
response1 = requests.get(index_url)
return response1

2. 解析数据

解析主页获取视频页详情ID

def main_index(text):

# 获取主页视频详情页ID  
res1 = re.findall('<a href="video\_(.\*?)"', text, re.S)

detail\_list1 = \[\]

for m\_id in res1:

    # 拼接详情页url  
    url1 = 'https://www.pearvideo.com/video\_' + m\_id  
    detail\_list1.append(url1)

return detail\_list1

3. 保存数据

def save_data(v_url):
response2 = requests.get(v_url)

with open('{}.mp4'.format(uuid.uuid4()), 'wb') as f:  
    f.write(response2.content)  
    f.flush()

解析详情页获取视频url

def video_detail(text):

'''

    (.\*?) : 提取括号的内容  
    .\*? : 直接匹配  
    <video.\*?src="(.\*?)"

    srcUrl="(.\*?)"  
'''

video\_url1 = re.findall('srcUrl="(.\*?)"', text, re.S)\[0\]  
return video\_url1

if __name__ == '__main__':

# 对主页发送请求  
response = get\_page('https://www.pearvideo.com/')

# 对主页进行解析、获取详情页ID  
detail\_list = main\_index(response.text)

# 对每个详情页url发送请求  
for url in detail\_list:  
    res = get\_page(url)  
    # print(res.text)

    #  解析详情页获取视频ID  
    video\_url = video\_detail(res.text)  
    print(video\_url)

    # 保存视频  
    save\_data(video\_url)

四、今日作业:

今日作业:
爬取豆瓣TOP250部电影信息:
    https://movie.douban.com/top250

    PS: 提取电影详情页url、图片链接、电影名称、
    电影评分、评价人数、导演、主演、电影上映时间、简介

import requests
import re
headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.157 Safari/537.36'}
zhengze = '

.*?href="(.*?)">.*?src="(.*?)" .*?(.*?).*?导演: (.*?)
(.*?) .*?(.*?).*?(.*?)人评价.*?(.*?)'

def get_every_page(url):

response = requests.get(url, headers=headers)

movie\_content = re.findall(zhengze, response.text, re.S)

for every\_movie in movie\_content:  
    movie\_url, movie\_jpg, name, director, time, point, num, abstract = every\_movie

    director1 = director.split('&n')\[0\]  
    star = director.split('&n')\[-1\].split('主')\[-1\].split('演')\[-1\].split(':')\[-1\].lstrip()

    data = '名称:{}, 电影链接:{}, 图片:{}, 导演:{}, 主演:{}, 时间:{}, 得分:{},评论人数:{}, 简介:{}'.format(name, movie\_url, movie\_jpg, director1, star, time\[-4:\], point, num, abstract )

    with open('douban.txt', 'a', encoding='utf-8') as f:  
        f.write(data + '\\n')

if __name__ == '__main__':

for i in range(0, 226, 25):  
    url = f'https://movie.douban.com/top250?start={i}&filter='  
    get\_every\_page(url)

展示了部分爬取信息:

名称:肖申克的救赎, 电影链接:https://movie.douban.com/subject/1292052/, 图片:https://img3.doubanio.com/view/photo/s_ratio_poster/public/p480747492.jpg, 导演:弗兰克·德拉邦特 Frank Darabont, 主演:蒂姆·罗宾斯 Tim Robbins /…, 时间:1994, 得分:9.6,评论人数:1450669, 简介:希望让人自由。
名称:霸王别姬, 电影链接:https://movie.douban.com/subject/1291546/, 图片:https://img3.doubanio.com/view/photo/s_ratio_poster/public/p1910813120.jpg, 导演:陈凯歌 Kaige Chen, 主演:张国荣 Leslie Cheung / 张丰毅 Fengyi Zha…, 时间:1993, 得分:9.6,评论人数:1074955, 简介:风华绝代。
名称:这个杀手不太冷, 电影链接:https://movie.douban.com/subject/1295644/, 图片:https://img3.doubanio.com/view/photo/s_ratio_poster/public/p511118051.jpg, 导演:吕克·贝松 Luc Besson, 主演:让·雷诺 Jean Reno / 娜塔莉·波特曼 …, 时间:1994, 得分:9.4,评论人数:1321273, 简介:怪蜀黍和小萝莉不得不说的故事。
名称:阿甘正传, 电影链接:https://movie.douban.com/subject/1292720/, 图片:https://img3.doubanio.com/view/photo/s_ratio_poster/public/p2559011361.jpg, 导演:罗伯特·泽米吉斯 Robert Zemeckis, 主演:汤姆·汉克斯 Tom Hanks / …, 时间:1994, 得分:9.4,评论人数:1141443, 简介:一部美国近现代史。
名称:美丽人生, 电影链接:https://movie.douban.com/subject/1292063/, 图片:https://img3.doubanio.com/view/photo/s_ratio_poster/public/p510861873.jpg, 导演:罗伯托·贝尼尼 Roberto Benigni, 主演:罗伯托·贝尼尼 Roberto Beni…, 时间:1997, 得分:9.5,评论人数:669039, 简介:最美的谎言。
名称:泰坦尼克号, 电影链接:https://movie.douban.com/subject/1292722/, 图片:https://img3.doubanio.com/view/photo/s_ratio_poster/public/p457760035.jpg, 导演:詹姆斯·卡梅隆 James Cameron, 主演:莱昂纳多·迪卡普里奥 Leonardo…, 时间:1997, 得分:9.3,评论人数:1082415, 简介:失去的才是永恒的。
名称:千与千寻, 电影链接:https://movie.douban.com/subject/1291561/, 图片:https://img1.doubanio.com/view/photo/s_ratio_poster/public/p2557573348.jpg, 导演:宫崎骏 Hayao Miyazaki, 主演:柊瑠美 Rumi Hîragi / 入野自由 Miy…, 时间:2001, 得分:9.3,评论人数:1068329, 简介:最好的宫崎骏,最好的久石让。
名称:辛德勒的名单, 电影链接:https://movie.douban.com/subject/1295124/, 图片:https://img3.doubanio.com/view/photo/s_ratio_poster/public/p492406163.jpg, 导演:史蒂文·斯皮尔伯格 Steven Spielberg, 主演:连姆·尼森 Liam Neeson…, 时间:1993, 得分:9.5,评论人数:595406, 简介:拯救一个人,就是拯救整个世界。
名称:盗梦空间, 电影链接:https://movie.douban.com/subject/3541415/, 图片:https://img3.doubanio.com/view/photo/s_ratio_poster/public/p513344864.jpg, 导演:克里斯托弗·诺兰 Christopher Nolan, 主演:莱昂纳多·迪卡普里奥 Le…, 时间:2010, 得分:9.3,评论人数:1141373, 简介:诺兰给了我们一场无法盗取的梦。
名称:忠犬八公的故事, 电影链接:https://movie.douban.com/subject/3011091/, 图片:https://img3.doubanio.com/view/photo/s_ratio_poster/public/p524964016.jpg, 导演:莱塞·霍尔斯道姆 Lasse Hallström, 主演:理查·基尔 Richard Ger…, 时间:2009, 得分:9.3,评论人数:756801, 简介:永远都不能忘记你所爱的人。
名称:机器人总动员, 电影链接:https://movie.douban.com/subject/2131459/, 图片:https://img3.doubanio.com/view/photo/s_ratio_poster/public/p1461851991.jpg, 导演:安德鲁·斯坦顿 Andrew Stanton, 主演:本·贝尔特 Ben Burtt / 艾丽…, 时间:2008, 得分:9.3,评论人数:755763, 简介:小瓦力,大人生。
名称:三傻大闹宝莱坞, 电影链接:https://movie.douban.com/subject/3793023/, 图片:https://img3.doubanio.com/view/photo/s_ratio_poster/public/p579729551.jpg, 导演:拉库马·希拉尼 Rajkumar Hirani, 主演:阿米尔·汗 Aamir Khan / 卡…, 时间:2009, 得分:9.2,评论人数:1027409, 简介:英俊版憨豆,高情商版谢耳朵。
名称:海上钢琴师, 电影链接:https://movie.douban.com/subject/1292001/, 图片:https://img1.doubanio.com/view/photo/s_ratio_poster/public/p511146807.jpg, 导演:朱塞佩·托纳多雷 Giuseppe Tornatore, 主演:蒂姆·罗斯 Tim Roth / …, 时间:1998, 得分:9.2,评论人数:840738, 简介:每个人都要走一条自己坚定了的路,就算是粉身碎骨。
名称:放牛班的春天, 电影链接:https://movie.douban.com/subject/1291549/, 图片:https://img3.doubanio.com/view/photo/s_ratio_poster/public/p1910824951.jpg, 导演:克里斯托夫·巴拉蒂 Christophe Barratier, 主演:热拉尔·朱尼奥 Gé…, 时间:2004, 得分:9.3,评论人数:713263, 简介:天籁一般的童声,是最接近上帝的存在。
名称:楚门的世界, 电影链接:https://movie.douban.com/subject/1292064/, 图片:https://img3.doubanio.com/view/photo/s_ratio_poster/public/p479682972.jpg, 导演:彼得·威尔 Peter Weir, 主演:金·凯瑞 Jim Carrey / 劳拉·琳妮 Lau…, 时间:1998, 得分:9.2,评论人数:790673, 简介:如果再也不能见到你,祝你早安,午安,晚安。
名称:大话西游之大圣娶亲, 电影链接:https://movie.douban.com/subject/1292213/, 图片:https://img3.doubanio.com/view/photo/s_ratio_poster/public/p2455050536.jpg, 导演:刘镇伟 Jeffrey Lau, 主演:周星驰 Stephen Chow / 吴孟达 Man Tat Ng…, 时间:1995, 得分:9.2,评论人数:796336, 简介:一生所爱。
名称:星际穿越, 电影链接:https://movie.douban.com/subject/1889243/, 图片:https://img3.doubanio.com/view/photo/s_ratio_poster/public/p2206088801.jpg, 导演:克里斯托弗·诺兰 Christopher Nolan, 主演:马修·麦康纳 Matthew Mc…, 时间:2014, 得分:9.2,评论人数:817611, 简介:爱是一种力量,让我们超越时空感知它的存在。
名称:龙猫, 电影链接:https://movie.douban.com/subject/1291560/, 图片:https://img3.doubanio.com/view/photo/s_ratio_poster/public/p2540924496.jpg, 导演:宫崎骏 Hayao Miyazaki, 主演:日高法子 Noriko Hidaka / 坂本千夏 Ch…, 时间:1988, 得分:9.2,评论人数:705161, 简介:人人心中都有个龙猫,童年就永远不会消失。
名称:教父, 电影链接:https://movie.douban.com/subject/1291841/, 图片:https://img3.doubanio.com/view/photo/s_ratio_poster/public/p616779645.jpg, 导演:弗朗西斯·福特·科波拉 Francis Ford Coppola, 主演:马龙·白兰度 M…, 时间:1972, 得分:9.3,评论人数:515699, 简介:千万不要记恨你的对手,这样会让你失去理智。
名称:熔炉, 电影链接:https://movie.douban.com/subject/5912992/, 图片:https://img3.doubanio.com/view/photo/s_ratio_poster/public/p1363250216.jpg, 导演:黄东赫 Dong-hyuk Hwang, 主演:孔侑 Yoo Gong / 郑有美 Yu-mi Jeong …, 时间:2011, 得分:9.3,评论人数:464621, 简介:我们一路奋战不是为了改变世界,而是为了不让世界改变我们。
名称:无间道, 电影链接:https://movie.douban.com/subject/1307914/, 图片:https://img3.doubanio.com/view/photo/s_ratio_poster/public/p2233971046.jpg, 导演:刘伟强 / 麦兆辉, 主演:刘德华 / 梁朝伟 / 黄秋生, 时间:2002, 得分:9.2,评论人数:654897, 简介:香港电影史上永不过时的杰作。
名称:疯狂动物城, 电影链接:https://movie.douban.com/subject/25662329/, 图片:https://img1.doubanio.com/view/photo/s_ratio_poster/public/p2315672647.jpg, 导演:拜伦·霍华德 Byron Howard / 瑞奇·摩尔 Rich Moore, 主演:金妮弗·…, 时间:2016, 得分:9.2,评论人数:903848, 简介:迪士尼给我们营造的乌托邦就是这样,永远善良勇敢,永远出乎意料。