在爬取網(wǎng)頁信息時(shí)，如果在HTML代碼中通過獲取標(biāo)簽的方式來提取電影的下載地址時(shí)，不僅要編寫比較多的代碼，還需要不斷的確認(rèn)每一層的標(biāo)簽是否正確，這樣的操作無疑是煩瑣的。如下圖所示。那么通過什么方式既可以減少代碼量，又可以很簡單的提取指定標(biāo)簽的內(nèi)容呢？本文將實(shí)現(xiàn)通過正則表達(dá)式快速獲取電影的下載地址。如果對(duì)正則表達(dá)式不熟悉的讀者，點(diǎn)擊 此處 學(xué)習(xí)正則表達(dá)式。
在爬取網(wǎng)頁信息的任務(wù)中，可以使用正則表達(dá)式的方式快速的提取某個(gè)標(biāo)簽內(nèi)的指定信息，以爬取電影的下載地址為例。本案例需要注意編碼格式的問題，單擊鼠標(biāo)右鍵，如圖所示查看網(wǎng)頁編碼：
代碼如下：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
|
import reimport requestsdef get_movies(url): # 構(gòu)造請(qǐng)求頭 headers = { "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_6) AppleWebKit/53" "7.36 (KHTML, like Gecko) Chrome/81.0.4044.122 Safari/537.36" } response = requests.get(url, headers=headers) # 發(fā)送請(qǐng)求 response.encoding = "gb2312" # 設(shè)置編碼方式 # 判斷請(qǐng)求是否成功 根據(jù)狀態(tài)碼是否等于200來判斷 if response.status_code == 200: # 獲取每個(gè)電影詳情頁地址，通過正則表達(dá)式提取電影詳情頁地址 # <a href="/html/gndy/dyzz/20200411/59903.html" rel="external nofollow" class="ulink">2020年動(dòng)作《絕地戰(zhàn)警：疾速追擊》BD中英雙字幕</a> movies_info = re.findall(r'<a href="(.*?)" rel="external nofollow" class="ulink">', response.text) # 返回符合表達(dá)式規(guī)則的數(shù)據(jù)列表 print(len(movies_info)) for url in movies_info: # 循環(huán)每個(gè)電影的詳情頁地址 info_url = "https://www.ygdy8.net" + url # 拼接完整地址 # 對(duì)電影詳情頁發(fā)送請(qǐng)求 movies_info_response = requests.get(info_url, headers=headers) movies_info_response.encoding = "gb2312" # 設(shè)置編碼方式 # 通過表達(dá)式匹配電影的下載地址 download_url = re.findall(r'<a href=".*?" rel="external nofollow" >(.*?)</a></td>', movies_info_response.text) print(download_url)if __name__ == '__main__': get_movies("https://www.ygdy8.net/html/gndy/dyzz/index.html") |
運(yùn)行結(jié)果如下：
['ftp://ygdy8:[email protected]:8014/陽光電影www.ygdy8.com.名字之歌.BD.1080p.中英雙字幕.mkv']
['ftp://ygdy8:[email protected]:6015/陽光電影www.ygdy8.com.我仍然相信.BD.1080p.中英雙字幕.mkv']
['ftp://ygdy8:[email protected]:8018/陽光電影www.ygdy8.com.阿肯色.BD.1080p.中英雙字幕.mkv']
['ftp://ygdy8:[email protected]:4028/陽光電影www.ygdy8.com.驚天營救.BD.1080p.中英雙字幕.mkv']
['ftp://ygdy8:[email protected]:8067/陽光電影www.ygdy8.com.狩獵的時(shí)間.BD.1080p.韓語中字.mkv']
['ftp://ygdy8:[email protected]:7018/陽光電影www.ygdy8.com.7號(hào)房的禮物.BD.1080p.中英雙字幕.mkv']
['ftp://ygdy8:[email protected]:8017/陽光電影www.ygdy8.com.格蕾特和韓塞爾.BD.1080p.中英雙字幕.mkv']
['ftp://ygdy8:[email protected]:3028/陽光電影www.ygdy8.com.看不見的女人.BD.1080p.中英雙字幕.mkv']
['ftp://ygdy8:[email protected]:7067/陽光電影www.ygdy8.com.我們永不言棄.HD.1080p.國語中字.mkv']
['ftp://ygdy8:[email protected]:4026/陽光電影www.ygdy8.com.軍人的妻子.BD.1080p.中英雙字幕.mkv']
['ftp://ygdy8:[email protected]:6014/陽光電影www.ygdy8.com.匹諾曹.BD.1080p.中英雙字幕.mkv']
['ftp://ygdy8:[email protected]:4025/陽光電影www.ygdy8.com.葉問4：完結(jié)篇.BD.1080p.國粵雙語中字.mkv']
['ftp://ygdy8:[email protected]:3024/陽光電影www.ygdy8.com.節(jié)奏組.BD.1080p.中英雙字幕.mkv']
['ftp://ygdy8:[email protected]:8013/陽光電影www.ygdy8.com.江湖兒女.BD.1080p.國語中字.mkv']
['ftp://ygdy8:[email protected]:3026/陽光電影www.ygdy8.com.瓊斯先生.BD.1080p.中英雙字幕.mkv']
['ftp://ygdy8:[email protected]:7013/陽光電影www.ygdy8.com.地球最后的夜晚.BD.1080p.國語中字.mkv']
['ftp://ygdy8:[email protected]:3023/陽光電影www.ygdy8.com.夢幻島.BD.1080p.中英雙字幕.mkv']
['ftp://ygdy8:[email protected]:4023/陽光電影www.ygdy8.com.擰緊.BD.1080p.中英雙字幕.mkv']
['ftp://ygdy8:[email protected]:4026/陽光電影www.ygdy8.com.悲慘世界.BD.1080p.法語中字.mkv']
['ftp://ygdy8:[email protected]:4022/陽光電影www.ygdy8.com.真人快打傳奇：蝎子的復(fù)仇.BD.1080p.中英雙字幕.mkv']
['ftp://ygdy8:[email protected]:7016/陽光電影www.ygdy8.com.我的間諜.BD.1080p.中英雙字幕.mkv']
['ftp://ygdy8:[email protected]:3021/陽光電影www.ygdy8.com.從不，很少，有時(shí)，總是.BD.1080p.中英雙字幕.mkv']
['ftp://ygdy8:[email protected]:4025/陽光電影www.ygdy8.com.絕地戰(zhàn)警：疾速追擊.BD.1080p.中英雙字幕.mkv']
['ftp://ygdy8:[email protected]:3020/陽光電影www.ygdy8.com.紳士們.BD.1080p.中英雙字幕.mkv']
['ftp://ygdy8:[email protected]:8065/陽光電影www.ygdy8.com.二分之一的魔法.BD.1080p.中英雙字幕.mkv']
1
筆者在這里聲明，筆者寫文章只是為了 學(xué)習(xí)交流，以及讓更多學(xué)習(xí)Python基礎(chǔ)的讀者少走一些彎路，節(jié)省時(shí)間，并不用做其他用途，如有侵權(quán)，聯(lián)系刪除即可。
到此這篇關(guān)于Python 通過正則表達(dá)式快速獲取電影的下載地址的文章就介紹到這了,更多相關(guān)Python 正則表達(dá)式下載地址內(nèi)容請(qǐng)搜索服務(wù)器之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持服務(wù)器之家！
原文鏈接：https://blog.csdn.net/xw1680/article/details/105853036
