爬电影天堂

1556134029

跟着B站上的教程写的  请大佬们指点看看有什么不足之处

from lxml import etree
import requests

BASE_DOMAIN = "https://dytt8.net"
HEADERS = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.162 Safari/537.36'

    }
def get_detail_urls(url):

    response = requests.get(url, headers=HEADERS)
    text = response.content.decode('gbk', 'ignore')
    html = etree.HTML(text)
    detail_URLS = html.xpath("//table[@class='tbspan']//a/@href")
    detail_URLS=map(lambda url:BASE_DOMAIN+url,detail_URLS)
    return detail_URLS

def parse_detail_page(url):
    movie = {}
    response = requests.get(url,headers=HEADERS)
    text = response.content.decode('gbk', 'ignore')
    html = etree.HTML(text)
    title = html.xpath("//div[@class='title_all']//font[@color='#07519a']/text()")[0]
    movie['title'] = title
    zoomE = html.xpath("//div[@id='Zoom']")[0]
    imgs = zoomE.xpath(".//img/@src")
    movie['imgs'] = imgs
    def parse_info(info,rule):
        return info.replace(rule,"").strip()
    infos = zoomE.xpath(".//text()")
    for index,info in enumerate(infos):
       # print(info)
       # print(index)
       # print('='*30)
        if info.startswith("◎年　　代"):
            info = parse_info(info,"◎年　　代")
            movie['year'] = info
        elif info.startswith("◎产　　地"):
            info = parse_info(info,"◎产　　地")
            movie['country'] = info
        elif info.startswith("◎类　　别"):
            info = parse_info(info,"◎类　　别")
            movie['category'] = info
        elif info.startswith("◎豆瓣评分"):
            info = parse_info(info,"◎豆瓣评分")
            movie['douban rating'] = info
        elif info.startswith("◎片　　长"):
            info = parse_info(info,"◎片　　长")
            movie['duration'] = info
        elif info.startswith("◎导　　演"):
            info = parse_info(info,"◎导　　演")
            movie['director'] = info
        elif info.startswith("◎主　　演"):
            info = parse_info(info,"◎主　　演")
            actors = []
            for x in range(index+1,len(infos)):
                actor = infos[x].strip()
                if actor.startswith("◎"):
                    break
                actors.append(actor)
            movie['actors'] = actors
        elif info.startswith("◎标　　签"):
            info = parse_info(info,"◎标　　签")
            movie['label'] = info

        elif info.startswith("◎简　　介"):
            info = parse_info(info, "◎简　　介")
            for x in range(index + 1, len(infos)):
                profile = infos[x].strip()
                if profile.startswith("【下载地址】"):
                    break
                movie['profile'] = profile
    download_url = html.xpath("//td[@bgcolor='#fdfddf']/a/@href")
    movie['download_url'] = download_url
    return movie
def spider():
    base_url = 'https://dytt8.net/html/gndy/dyzz/list_23_{}.html'
    movies = []
    for x in range(1,8):
        #第一个for循环是来控制总共有几页的
        url = base_url.format(x)
        detail_URLS = get_detail_urls(url)
        for detail_URL in detail_URLS:
            #第二个for循环是用来遍历一夜中所用电影详情的url
            movie = parse_detail_page(detail_URL)
            movies.append(movie)
            print(movies)


if __name__ == '__main__':
    spider()

1556134029

自占一楼
第一遍忘了return movie了返回的都是none  找了好久

叙白

给大佬捧场

1012327963

给大佬捧场

永恒的蓝色梦想

给大佬捧场

wuqramy

给大佬捧场

_荟桐_

print("给大佬捧场")

Mike_python小

育碧

拍死人

可以

永远的渣滓

666

路θ甲

厉害

疾风怪盗

给大佬捧场，学习了

曌广

给大佬捧场

reekingliu

给大佬捧场

低调男端土

极品真汉子

chenyiyun

111

小叮当来了

为啥我运行不出来呢

1556134029

小叮当来了 发表于 2021-3-24 17:23
为啥我运行不出来呢

报错显示的啥