團隊-爬取豆瓣電影top250-模塊開發過程
阿新 • • 發佈:2017-10-28
rds tps tde 轉換 /usr sub bigger pen 其他
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