項目托管平臺地址:https://gitee.com/nothingbigger/DouBantop250

開發模塊功能:

　　完善爬取功能、補全獲取數據的漏洞，開發時間:1天

#!/usr/bin/python
#-*- coding: utf-8 -*-
import sys
reload(sys)
sys.setdefaultencoding(‘utf8‘)
from bs4 import BeautifulSoup
import re
import urllib2
import xlwt

#得到頁面全部內容
def askURL(url):
    request = urllib2.Request(url)#
 
發送請求
    try:
        response = urllib2.urlopen(request)#取得響應
        html= response.read()#獲取網頁內容
        #print html
    except urllib2.URLError, e:
        if hasattr(e,"code"):
            print e.code
        if hasattr(e,"reason"):
            print e.reason
    return html

#獲取相關內容
def getData(baseurl):
    findLink
 
=re.compile(r‘<a href="(.*?)">‘)#找到影片詳情鏈接
    findImgSrc=re.compile(r‘<img.*src="(.*jpg)"‘,re.S)#找到影片圖片
    findTitle=re.compile(r‘<span class="title">(.*)</span>‘)#找到片名
    #找到評分
    findRating=re.compile(r‘<span class="rating_num" property="v:average">(.*)</span>‘)
    
 
#找到評價人數
    findJudge=re.compile(r‘<span>(\d*)人評價</span>‘)
    #找到概況
    findInq=re.compile(r‘<span class="inq">(.*)</span>‘)
    #找到影片相關內容：導演，主演，年份，地區，類別
    findBd=re.compile(r‘<p class="">(.*?)</p>‘,re.S)
    #去掉無關內容
    remove=re.compile(r‘                            |\n|</br>|\.*‘)
    datalist=[]
    for i in range(0,10):
        url=baseurl+str(i*25)
        html=askURL(url)
        soup = BeautifulSoup(html)
        for item in soup.find_all(‘div‘,class_=‘item‘):#找到每一個影片項
            data=[]
            item=str(item)#轉換成字符串
            #print item
            link=re.findall(findLink,item)[0]
            data.append(link)#添加詳情鏈接
            imgSrc=re.findall(findImgSrc,item)[0]
            data.append(imgSrc)#添加圖片鏈接
            titles=re.findall(findTitle,item)
            #片名可能只有一個中文名，沒有外國名
            if(len(titles)==2):
                ctitle=titles[0]
                data.append(ctitle)#添加中文片名
                otitle=titles[1].replace(" / ","")#去掉無關符號
                data.append(otitle)#添加外國片名
            else:
                data.append(titles[0])#添加中文片名
                data.append(‘ ‘)#留空
            rating=re.findall(findRating,item)[0]
            data.append(rating)#添加評分
            judgeNum=re.findall(findJudge,item)[0]
            data.append(judgeNum)#添加評論人數
            inq=re.findall(findInq,item)
            #可能沒有概況
            if len(inq)!=0:
                inq=inq[0].replace("。","")#去掉句號
                data.append(inq)#添加概況
            else:
                data.append(‘ ‘)#留空
            bd=re.findall(findBd,item)[0]
            bd=re.sub(remove,"",bd)
            bd=re.sub(‘<br>‘," ",bd)#去掉<br>
            bd=re.sub(‘/‘," ",bd)#替換/
            #data.append(bd)
            words=bd.split(" ")
            for s in words:
                if len(s)!=0 and s!=‘ ‘:#去掉空白內容
                     data.append(s)
            #主演有可能因為導演內容太長而沒有
            if(len(data)!=12):
                data.insert(8,‘ ‘)#留空
            datalist.append(data)
    return datalist

遇到的問題及問題解決方法:

　　主要去發現別人開發模塊時程序存在的的漏洞，並且予以糾正

其他補充說明:

　　無

團隊-爬取豆瓣電影top250-模塊開發過程