python如何爬取电影并下载

这篇文章给大家分享的是有关python如何爬取电影并下载的内容。小编觉得挺实用的，因此分享给大家做个参考，一起跟随小编过来看看吧。

创新互联-专业网站定制、快速模板网站建设、高性价比沙坪坝网站开发、企业建站全套包干低至880元,成熟完善的模板库,直接使用。一站式沙坪坝网站制作公司更省心,省钱,快速模板网站建设找我们，业务覆盖沙坪坝地区。费用合理售后完善，10年实体公司更值得信赖。

一、概述

对于一个宅男，喜欢看电影，每次打开电影网站，各种弹出的广告，很是麻烦，还是要自己去复制下载链接到迅雷上粘贴并下载，这个过程中还有选择困难症;这一系列的动作让人甚是不爽，不如有下好的，点着看就好了;作为一个python爱好者，结合对爬虫的一点小了解，于是周末花了点时间用python写了一个爬取某电影网站上的最新电影板块;
思路：
爬虫针对某电影网站，收集电影名，下载链接，评分，等信息;当天更新的电影，特别的打印出来;同时通过评分调用迅雷下载，当然先判断下，是否已经下载过了，再决定是否下载;然后，就是可以看了～

本次版本是基于python3.x下通过，在windows上才能调用迅雷～linux平台只能获取相关信息！
python安装和相关的模块安装这里不讲述，如有不明白请留言我～
jupyter上运行如下：
python如何爬取电影并下载

二、代码

废话不多说上代码吧～

# coding:utf-8
# version 20181027 by san
import re,time,os
from urllib import request
from lxml import etree  # python xpath 单独使用导入是这样的
import platform
import ssl
ssl._create_default_https_context = ssl._create_unverified_context   # 取消全局证书

#爬虫电影之类
class getMovies:
    def __init__(self,url,Thuder):
        '''        实例初始化       '''
        self.url = url
        self.Thuder = Thuder

    def getResponse(self,url):
        url_request = request.Request(self.url)
        url_response = request.urlopen(url_request)
        return url_response   #返回这个对象

    def newMovie(self):
        ''' 获取最新电影 下载地址与url '''
        http_response = self.getResponse(webUrl) #拿到http请求后的上下文对象(HTTPResponse object)
        data = http_response.read().decode('gbk')
        #print(data)  #获取网页内容
        html = etree.HTML(data)
        newMovies = dict()
        lists = html.xpath('/html/body/div[1]/div/div[3]/div[2]/div[2]/div[1]/div/div[2]/div[2]/ul/table//a')
        for k in lists:
            if "app.html" in k.items()[0][1] or "最新电影下载" in k.text:
                continue
            else:
                movieUrl = webUrl + k.items()[0][1]
                movieName = k.text.split('《')[1].split("》")[0]
                newMovies[k.text.split('《')[1].split("》")[0]] = movieUrl = webUrl + k.items()[0][1]
        return newMovies

  def Movieurl(self,url):
        ''' 获取评分和更新时间 '''
        url_request = request.Request(url)
        movie_http_response = request.urlopen(url_request)
        data = movie_http_response.read().decode('gbk')
        if len(re.findall(r'豆瓣评分.+?.+users',data)):  # 获取评分;没有评分的返回null
            pingf = re.findall(r'豆瓣评分.+?.+users',data)[0].split('/')[0].replace("\u3000",":")

        else:
            pingf = "豆瓣评分:null"
        desc = re.findall(r'简\s+介.*',data)[0].replace("\u3000","").replace('<br />',"").split("src")[0].replace('&ldquo',"").replace('&rdquo',"").replace('<img border="0"',"")

        times = re.findall(r'发布时间.*',data)[0].split('\r')[0].strip()   # 获取影片发布时间
        html = etree.HTML(data)
        murl = html.xpath('//*[@id="Zoom"]//a')
        for k in murl:
            for l in k.items():
                if "ftp://" in l[1]:
                    print
                    return l[1],times,pingf,desc

    def check_end(self,fiename,path):
        ''' 检测文件是否下载完成 '''
        return os.path.exists(os.path.join(save_path,fiename))

    def check_start(self,filename):
        ''' 检测文件是否开始下载 '''
        cache_file = filename+".xltd"
        return os.path.exists(os.path.join(save_path,cache_file))

    def DownMovies(self,name,url):
        ''' windows下载 '''
        PlatForm = platform.system()
        print("即将下载的电影是：%s" %name)
        if PlatForm == "Windows":
            try:
                print(r'"{0}" "{1}"'.format(self.Thuder,url))
                os.system(r'"{0}" {1}'.format(self.Thuder,url))
            except Exception as e:
                print(e)
        else:
            print("当前系统平台不支持")

    def Main(self):
        ''' 最终新电影存储在字典中 '''
        NewMoveis = dict()  
        Movies = self.newMovie()  # 获取电影的字典信息
        for k,v in Movies.items():
            NewMoveis[k] = self.Movieurl(v),v
        return NewMoveis

    def NewMoives(self):
        ''' 查看已经获取到的电影信息 '''
        Today = time.strftime("%Y-%m-%d")
        print("今天是：%s" %Today)
        Movies = self.Main()
        print("最近的 %s 部新电影：" % len(Movies.keys()))
        for k,v in Movies.items():
#           print(v[0][1].split(":")[0])
            if Today in v[0][1].split(":")[0]:
                print("++++++++++++++++今天刚更新++++++++++++++：","\n",k,"-->",v,"\n")
            else:
                print("========================================")
                print(k,"-->",v,"\n")

if __name__ == '__main__':
    # 以下依据您个人电影迅雷的相关信息填写即可
    save_path="O:\迅雷下载"     # 电影下载保存位置 （需要填写）
    Thuder = "O:\Program\Thunder.exe"   #Thuder: 迅雷Thuder.exe路径 （需要填写）
    webUrl = 'http://www.dytt8.net'     # 电影网站
    test = getMovies(webUrl,Thuder)   # 实例化
    test.NewMoives()
    Movies = test.Main()

    for k,v in Movies.items():
        movies_name = v[0][0].split('/')[3]
        socre = v[0][2].split(":")[1]
        check_down_status = test.check_end(movies_name,save_path)
#       print(check_down_status)
        if  check_down_status:
            print("电影: %s 已经下载" %movies_name)
            continue
        elif  socre == 'null':
            continue
        elif float(socre) > 7.0:
            print(movies_name,socre)
            test.DownMovies(k,v[0][0])
            time.sleep(10)

注意：以上代码是针对windows平台下，迅雷版本为非极速版本，本次使用的是9.14 如图：
python如何爬取电影并下载
另外需要勾选以下配置项，否则程序调用迅雷下载时会有提示框：