Python爬虫带你爬取美剧网站
本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理
以下文章来源于腾讯云，作者：哲洛不闹
一直有爱看美剧的习惯，一方面锻炼一下英语听力，一方面打发一下时间。之前是能在视频网站上面在线看的，可是自从广电总局的限制令之后，进口的美剧英剧等貌似就不在像以前一样同步更新了。但是，作为一个宅diao的我又怎甘心没剧追呢，所以网上随便查了一下就找到一个能用迅雷下载的美剧下载网站【天天美剧】，各种资源随便下载，最近迷上的BBC的高清纪录片，大自然美得不要不要的。
虽说找到了资源网站可以下载了，但是每次都要打开浏览器，输入网址，找到该美剧，然后点击链接才能下载。时间长了就觉得过程好繁琐，而且有时候网站链接还会打不开，会有点麻烦。正好一直在学习Python爬虫，所以今天就心血来潮来写了个爬虫，抓取该网站上所有美剧链接，并保存在文本文档中，想要哪部剧就直接打开复制链接到迅雷就可以下载啦。
其实一开始打算写那种发现一个url，使用requests打开抓取下载链接，从主页开始爬完全站。但是，好多重复链接，还有其网站的url不是我想的那么规则，写了半天也没有写出我想要的那种发散式的爬虫，也许是自己火候还不到吧，继续努力。。。
后来发现，其电视剧链接都是在文章里面，然后文章url后面有个数字编号，所以机智的我又用了之前写过的爬虫经验，解决方法就是自动生成url，其后面的数字不是可以变的吗，而且每部剧的都是唯一的，所以尝试了一下大概有多少篇文章，然后用range函数直接连续生成数来构造url。
但是很多url是不存在的，所以会直接挂掉，别担心，我们用的可是requests，其自带的status_code就是用来判断请求返回的状态的，所以只要是返回的状态码是404的我们都把它跳过，其他的都进去爬取链接，这就解决了url的问题了。
以下就是上述步骤的实现代码。
其余的就进行的很顺利了，网上找到前人写的类似的爬虫，但是只是爬取一篇文章的，所以借鉴了一下其正则表达式。自己用了BeautifulSoup还没有正则效果好，所以果断弃了，学海无涯啊。但是效果也不是那么理想，有一半左右的链接不能正确抓取，还需继续优化。
完整版代码，其中还用到了多线程，但是感觉没什么用，因为Python的GIL的缘故吧，看似有两万多部剧，本以为要很长时间才能抓取完成，但是除去url错误的和没匹配到的，总共抓取时间20分钟不到。搞得我本来还想使用Redis在两台Linux上爬取，但是折腾了一番之后感觉没必要，所以就这样吧，后面需要更大数据的时候再去弄。
还有过程中遇到一个很折磨我的问题是文件名的保存，必须在此抱怨一下，txt文本格式的文件名能有空格，但是不能有斜线、反斜线、括号等。就是这个问题，一早上的时间都花在这上面的，一开始我以为是抓取数据的错误，后面查了半天才发现是爬取的剧名中带有斜杠，这可把我坑苦了。
Python爬虫带你爬取美剧网站相关推荐
- python爬虫实战：爬取美剧网站
一直有爱看美剧的习惯,一方面锻炼一下英语听力,一方面打发一下时间.之前是能在视频网站上面在线看的,可是自从广电总局的限制令之后,进口的美剧英剧等貌似就不在像以前一样同步更新了.但是,作为一个宅diao ...
- python多线程爬取多个网址_【Python爬虫】多线程爬取斗图网站（皮皮虾，我们上车）...
原标题:[Python爬虫]多线程爬取斗图网站(皮皮虾,我们上车) 斗图我不怕 没有斗图库的程序猿是无助,每次在群里斗图都以惨败而告终,为了能让自己在斗图界立于不败之地,特意去网上爬取了斗图包.在这里 ...
- Python爬虫爬取美剧网站
一直有爱看美剧的习惯,一方面锻炼一下英语听力,一方面打发一下时间.之前是能在视频网站上面在线看的,可是自从广电总局的限制令之后,进口的美剧英剧等貌似就不在像以前一样同步更新了. 但是,作为一个宅dia ...
- python爬虫——带你爬取古诗名句，考试什么的不就是轻轻松松
本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理 以下文章来源于腾讯云 作者:py3study ( 想要学习Python?Pytho ...
- Python爬虫-带你爬取高清美女图片
本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理 以下文章来源于腾讯云 作者:明天依旧可好 ( 想要学习Python?Python学 ...
- SpringBoot集成jsoup多线程爬取美剧天堂全部电影资源
SpringBoot集成jsoup爬取美剧天堂全部美剧资源 准备工作 这次我的目的是获取这个网站的所有美剧的信息和迅雷的BT地址,我们需要获取的信息都在上万个类似于下面个页面结构的页面上 确定了目标, ...
- 通过爬取美剧天堂详细介绍Scrapy 框架入门
通过爬取美剧天堂并详细介绍Scrapy 框架 前言(了解) 全文写了很多注释在标题处,时间充裕的可以详细看,需要找主要知识点的我已经标注明白了,直接翻到具体位置就行. Scrapy是用纯Python实 ...
- 【Python爬虫】从零开始爬取Sci-Hub上的论文(串行爬取)
[Python爬虫]从零开始爬取Sci-Hub上的论文(串行爬取) 维护日志 项目简介 步骤与实践 STEP1 获取目标内容的列表 STEP2 利用开发者工具进行网页调研 2.1 提取文章链接和分页链 ...
- python爬虫，记录爬取全球所有国家-首都的简单爬虫
python爬虫,记录爬取全球所有国家-首都的简单爬虫 本来以为简单至极,没想到获取数据还是花费了大把功夫.先上图 <table> <tr> <td> <st ...
最新文章
- nodejs+html转换pdf,Nodejs中使用phantom将html转为pdf或图片格式的方法
- SQL注入思维导图【新手全面非详细】
- Java反射之将对象转成map
- flask+vue进阶
- LongestPalindromeSequence
- mysql基础命令大全
- 网络事件触发自己主动登录
- flash.net.filereference php,as3与php 上传单个图片demo
- 02-windows下elasticsearch安装elasticsearch-head
- 模仿人人网客户端应用源码
- C# web 读取excel并导入数据库
- matlab线性代数对角化,工程线性代数(MATLAB版) (2007年7月)
- 2022年认证杯SPSSPRO杯数学建模C题(第二阶段)污水流行病学原理在新冠疫情防控方面的作用求解全过程文档及程序
- 【百度大脑新品体验】行驶证识别
- mysql to sqlserver_mysql to sqlserver
- 【计算机导论调研报告】计算机从业人员的职业道德
- Linux(一): 磁盘分区
- Floyd-傻子也能看懂的弗洛伊德算法（转）
- 盐城北大青鸟：Java的四大就业方向，薪资也是一级棒
- 经典linux c程序,经典 c 程序 100 例