Python爬虫爬取爱奇艺电影片库首页的实例代码
上篇文章给大家介绍了Python爬取爱奇艺电影信息代码实例 感兴趣的朋友点击查看下。
今天给大家介绍Python爬虫爬取爱奇艺电影片库首页，下面是实例代码，参考下：
import time
import traceback
import requests
from lxml import etree
import re
from bs4 import BeautifulSoup
from lxml.html.diff import end_tag
import json
import pymysql
#连接数据库 获取游标
def get_conn():
"""
:return: 连接，游标
"""
# 创建连接
conn = pymysql.connect(host="82.157.112.34",
user="root",
password="root",
db="MovieRankings",
charset="utf8")
# 创建游标
cursor = conn.cursor() # 执行完毕返回的结果集默认以元组显示
if ((conn != None) & (cursor != None)):
print("数据库连接成功！游标创建成功！")
else:
print("数据库连接失败！")
return conn, cursor
#关闭数据库连接和游标
def close_conn(conn, cursor):
if cursor:
cursor.close()
if conn:
conn.close()
return 1
def get_iqy():
# 获取数据库总数据条数
conn, cursor = get_conn()
sql = "select count(*) from movieiqy"
cursor.execute(sql) # 执行sql语句
conn.commit() # 提交事务
all_num = cursor.fetchall()[0][0] #cursor 返回值的类型是一个元祖的嵌套形式 比如( ( ) ,)
pagenum=int(all_num/48)+1 #这里是计算一个下面循环的起始值 每48个电影分一组
print(pagenum)
print("movieiqy数据库有", all_num, "条数据！")
url = "https://pcw-api.iqiyi.com/search/recommend/list?channel_id=1&data_type=1&mode=11&page_id=1&ret_num=48&session=ee4d98ebb4e8e44c8d4b14fa90615fb7"
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/90.0.4430.93 Safari/537.36"
}
# response=requests.get(url=url,headers=headers)
# response.encoding="utf-8"
# page_text=response.text
# print(page_text)
"""
"""
#
temp_list = [] #暂时存放单部电影的数据
dataRes = [] #每次循环把单部电影数据放到这个list
for i in range(pagenum+1, pagenum+100): #循环100-1次
url = "https://pcw-api.iqiyi.com/search/recommend/list?channel_id=1&data_type=1&mode=11&page_id=1&ret_num=48&session=ee4d98ebb4e8e44c8d4b14fa90615fb7"
url_0 = "https://pcw-api.iqiyi.com/search/recommend/list?channel_id=1&data_type=1&mode=11&page_id="
url_0 = url_0 + str(i) + "&ret_num=48&session=ad1d98bb953b7e5852ff097c088d66f2"
print(url_0) #输出拼接好的url
response = requests.get(url=url_0, headers=headers)
response.encoding = "utf-8"
page_text = response.text
#解析json对象
json_obj = json.loads(page_text)
#这里的异常捕获是因为 测试循环的次数有可能超过电影网站提供的电影数 为了防止后续爬到空的json对象报错
try:
json_list = json_obj['data']['list']
except KeyError:
return dataRes #json为空 程序结束
for j in json_list: # 开始循环遍历json串
# print(json_list)
name = j['name'] #找到电影名
print(name)
temp_list.append(name)
#异常捕获，防止出现电影没有评分的现象
try:
score = j['score'] #找到电影评分
print(score)
temp_list.append(score)
except KeyError:
print( "KeyError")
temp_list.append("iqy暂无评分") #替换字符串
link = j['playUrl'] #找到电影链接
temp_list.append(link)
# 解析播放状态
state = []
pay_text = j['payMarkUrl'] #因为播放状态只有在一个图片链接里有 所以需要使用re解析出类似vip和only（独播）的字样
if (len(pay_text) == 0): #如果没有这个图片链接 说明电影是免费播放
state="免费"
else:
find_state = re.compile("(.*?).png")
state = re.findall(find_state, pay_text) #正则匹配链接找到vip
if(len(state)!=0): #只有当链接不为空再执行
# print(state)
# 再次解析
state = state[0][0:3] #字符串分片
# 这里只输出了三个字符，如果是独播，页面显示的是only，我们设置为”独播“
if (state == "onl"):
state = "独播"
else:
state = "VIP"
# print(state)
# 添加播放状态
temp_list.append(state)
dataRes.append(temp_list)
# print(temp_list)
temp_list = []
print('___________________________')
return dataRes
def insert_iqy():
cursor = None
conn = None
try:
count=0
list = get_iqy()
print(f"{time.asctime()}开始插入爱奇艺电影数据")
conn, cursor = get_conn()
sql = "insert into movieiqy (id,name,score,path,state) values(%s,%s,%s,%s,%s)"
for item in list:
print(item)
count = count + 1
if (count % 48 == 0):
print('___________________________')
#异常捕获，防止数据库主键冲突
try:
cursor.execute(sql, [0, item[0], item[1], item[2], item[3] ])
except pymysql.err.IntegrityError:
print("重复！跳过！")
conn.commit() # 提交事务 update delete insert操作
print(f"{time.asctime()}插入爱奇艺电影数据完毕")
except:
traceback.print_exc()
finally:
close_conn(conn, cursor)
return;
if __name__ == '__main__':
# get_iqy()
insert_iqy()
到此这篇关于Python爬虫爬取爱奇艺电影片库首页的实例代码的文章就介绍到这了,更多相关Python爬取爱奇艺电影内容请搜索hwidc以前的文章或继续浏览下面的相关文章希望大家以后多多支持hwidc！