1 import time 2 import traceback 3 import requests 4 from lxml import etree 5 import re 6 from bs4 import BeautifulSoup 7 from lxml.html.diff import end_tag 8 import json 9 import pymysql 10 #连接数据库 获取游标
11 def get_conn(): 12 """
13 :return: 连接，游标 14 """
15 # 创建连接
16 conn = pymysql.connect(host="82.157.112.34", 17 user="root", 18 password="root", 19 db="MovieRankings", 20 charset="utf8") 21 # 创建游标
22 cursor = conn.cursor() # 执行完毕返回的结果集默认以元组显示
23 if ((conn != None) & (cursor != None)): 24 print("数据库连接成功！游标创建成功！") 25 else: 26 print("数据库连接失败！") 27 return conn, cursor 28 #关闭数据库连接和游标
29 def close_conn(conn, cursor): 30 if cursor: 31 cursor.close() 32 if conn: 33 conn.close() 34 return 1
35 def get_iqy(): 36 # 获取数据库总数据条数
37 conn, cursor = get_conn() 38 sql = "select count(*) from movieiqy"
39 cursor.execute(sql) # 执行sql语句
40 conn.commit() # 提交事务
41 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( ( ) ,)
42 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
43 print(pagenum) 44 print("movieiqy数据库有", all_num, "条数据！") 45
46
47 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"
48 headers = { 49 "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"
50 } 51 # response=requests.get(url=url,headers=headers)
52 # response.encoding="utf-8"
53 # page_text=response.text
54 # print(page_text)
55 """
56 """
57 # 58 temp_list = [] #暂时存放单部电影的数据
59 dataRes = [] #每次循环把单部电影数据放到这个list
60 for i in range(pagenum+1, pagenum+100): #循环100-1次
61 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"
62 url_0 = "https://pcw-api.iqiyi.com/search/recommend/list?channel_id=1&data_type=1&mode=11&page_id="
63 url_0 = url_0 + str(i) + "&ret_num=48&session=ad1d98bb953b7e5852ff097c088d66f2"
64 print(url_0) #输出拼接好的url
65 response = requests.get(url=url_0, headers=headers) 66 response.encoding = "utf-8"
67 page_text = response.text 68 #解析json对象
69 json_obj = json.loads(page_text) 70 #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
71 try: 72 json_list = json_obj['data']['list'] 73 except KeyError: 74 return dataRes #json为空 程序结束
75 for j in json_list: # 开始循环遍历json串
76 # print(json_list)
77 name = j['name'] #找到电影名
78 print(name) 79 temp_list.append(name) 80 #异常捕获，防止出现电影没有评分的现象
81 try: 82 score = j['score'] #找到电影评分
83 print(score) 84 temp_list.append(score) 85 except KeyError: 86 print( "KeyError") 87 temp_list.append("iqy暂无评分") #替换字符串
88
89 link = j['playUrl'] #找到电影链接
90 temp_list.append(link) 91 # 解析播放状态
92 state = [] 93 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
94 if (len(pay_text) == 0): #如果没有这个图片链接 说明电影是免费播放
95 state="免费"
96 else: 97 find_state = re.compile("(.*?).png") 98 state = re.findall(find_state, pay_text) #正则匹配链接找到vip
99 if(len(state)!=0): #只有当链接不为空再执行
100 # print(state)
101 # 再次解析
102 state = state[0][0:3] #字符串分片
103
104 # 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“
105 if (state == "onl"): 106 state = "独播"
107 else: 108 state = "VIP"
109 # print(state)
110 # 添加播放状态
111 temp_list.append(state) 112 dataRes.append(temp_list) 113 # print(temp_list)
114 temp_list = [] 115
116 print('___________________________') 117 return dataRes 118
119 def insert_iqy(): 120 cursor = None 121 conn = None 122 try: 123 count=0 124 list = get_iqy() 125 print(f"{time.asctime()}开始插入爱奇艺电影数据") 126 conn, cursor = get_conn() 127 sql = "insert into movieiqy (id,name,score,path,state) values(%s,%s,%s,%s,%s)"
128 for item in list: 129 print(item) 130 count = count + 1
131 if (count % 48 == 0): 132 print('___________________________') 133 #异常捕获，防止数据库主键冲突
134 try: 135 cursor.execute(sql, [0, item[0], item[1], item[2], item[3] ]) 136 except pymysql.err.IntegrityError: 137 print("重复！跳过！") 138
139 conn.commit() # 提交事务 update delete insert操作
140 print(f"{time.asctime()}插入爱奇艺电影数据完毕") 141 except: 142 traceback.print_exc() 143 finally: 144 close_conn(conn, cursor) 145 return; 146
147 if __name__ == '__main__': 148 # get_iqy()
149 insert_iqy()
数据获取方式：微信搜索关注【靠谱杨阅读人生】回复【电影】。
整理不易，资源付费，谢谢支持。