C++ 課堂筆記(一) 說明:此筆記是學習於B站黑馬程式員的C++視頻所作的,感謝黑馬程式員的教學;如有什麼不足之處,望各位賜教。僅供學習。 第一個代碼:書寫hello world #include<iostream> using namespace std; int main() { cout < ...
Python獲取時光網電影數據
一、前言
有時候覺得電影真是人類有史以來最偉大的發明,我喜歡看電影,看電影可以讓我們增長見聞,學習知識。從某種角度上而言,電影憑藉自身獨有的魅力大大延長了人類的”壽命”。
一部電影如同一本故事書,我可以沉迷到其中,來的一個新的世界,跟著電影主角去經歷去感悟。而好的電影是需要慢慢品嘗的,不僅提供了各種視覺刺激和情感體驗,更能帶來思考點,也讓我可以懂得在現實生活中窮盡一生也無法明白的道理。電影比書本更直接、更有趣、更精彩。
好的電影可以在潛移默化中塑造我們的三觀,在電影中我們可以獲得平靜、滿足和溫和,學會堅強、勇氣和努力。電影延展了無聊單調、枯燥又稀鬆平常的生活,讓我可以在對現實生活厭倦或失望時至少有一個地方可以逃離。
正因為電影有諸多好處,並且比書本和說教能更好的塑造三觀,因此,家長們可以陪同小孩看電影,鼓勵孩子從電影中學會堅強和勇敢等優良品質。
既然要看看電影,就要去看優秀的作品,時光網是一個電影各方面素材都比較全面的網站,本次的項目就是要從該網站上獲取到指定年份的所有電影數據,並導出成excel表格以供參考。
註意:請勿使用該技術獲取網路上敏感、隱私、非公開等數據。
電影推薦(愛情類):
假如愛有天意:緣,妙不可言,或許一切早已註定。
靈魂擺渡·黃泉:為情甘願赴死,為愛執守千年。
你的名字:世上所有的相遇都是久別重逢。
電影推薦(親子類):
機器人總動員:孩子看到的是友情,大人看到的是愛情。很有愛的一部動畫片。
尋夢環游記:死亡並不是終點,被人忘卻才是真正的死亡
。
電影推薦(懸疑類):
小島驚魂
異次元駭客
恐怖游輪
二、準備
2.1 安裝庫
requests:網路數據請求並獲取,安裝方式:pip install requests
threading:多線程處理(數據量比較大),Python自帶庫,無需安裝。
json:數據處理,Python自帶庫,無需安裝。
pandas:將數據導出成excel表格,安裝方式:pip install pandas
2.2 原理介紹
1、先通過requests庫,通過時光網自帶的電影數據API介面,獲取到指定的電影數據。
2、將獲取到的數據經過簡單的加工,通過pandas庫存入到excel表格中。
三、實例
3.1 完整代碼
# Encoding: utf-8
# Author: furongbing
# Date: 2021-11-19 20:54
# Project name: FrbPythonFiles
# IDE: PyCharm
# File name: Mtime
import requests
import pandas as pd
from threading import Thread
import time
import json
# 模塊說明:
"""
從時光網上按年代獲取指定年份電影的數據
"""
# 更新日誌:
"""
1、2021-11-19:
a、完成初版
"""
# 待修改:
"""
"""
# 請求頭數據
headers = {"Accept": "application/json, text/plain, */*",
"Accept-Encoding": "gzip, deflate",
'Accept-Language': 'zh-CN,zh;q=0.9',
'Connection': 'keep-alive',
'Content-Type': 'application/x-www-form-urlencoded',
'Cookie': '_tt_=FB8A3FAD4704D42543B7EC121C2565AA; __utma=196937584.1082595229.1637326918.1637326918.1637326918.1; __utmz=196937584.1637326918.1.1.utmcsr=(direct)|utmccn=(direct)|utmcmd=(none); Hm_lvt_07aa95427da600fc217b1133c1e84e5b=1637241042,1637326637,1637374129; Hm_lpvt_07aa95427da600fc217b1133c1e84e5b=1637374170',
'Host': 'front-gateway.mtime.com',
'Origin': 'http://film.mtime.com',
'Referer': 'http://film.mtime.com/',
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/104.0.0.0 Safari/537.36'
}
pagesize = 20 # todo 獲取的每頁數據條數,一般建議成預設的20就可以了,設置的太大,每頁包含的數據量就大,某一條電影數據出錯會導致其它數據也被拋棄。
data = []
error = []
def get_data(p_year=1987): # 按照年份獲取當年度所有的電影數據
url = 'http://front-gateway.mtime.com/mtime-search/search/unionSearch2' # 請求的url
params = {'year': p_year, 'pageSize': pagesize, 'pageIndex': 1, 'searchType': 0} # 請求的表單數據
# 獲取當年度所有的電影的數量,繼而計算要獲取多少頁
try:
r = requests.get(url=url, params=params, headers=headers, timeout=10)
r.encoding = r.apparent_encoding
all_data = json.loads(r.text)
moviesCount = all_data['data']['moviesCount']
pages = round(moviesCount / pagesize)
except Exception:
moviesCount = 1000
pages = round(moviesCount / pagesize)
# 定義變數
來源 = '時光網'
年代 = p_year
ID, 中文名, 英文名, 類型, 形式, 海報url, 評分, 導演, 主演, 詳情, 可播放, 國家地區, 上映日期, 片長, 票房, 觀看日期 = [''] * 16
for page in range(pages): # todo 一共要獲取多少頁
if page % 10 == 0: # 每10頁輸出一次進度
print(f'已完成 {100 * page / pages:.2f}%')
pageindex = page + 1
params = {'year': p_year, 'pageSize': pagesize, 'pageIndex': pageindex, 'searchType': 0} # 請求的表單數據
try: # 獲取指定頁的電影數據
r = requests.get(url=url, params=params, headers=headers, timeout=10)
r.encoding = r.apparent_encoding
all_data = json.loads(r.text)
movies = all_data['data']['movies']
# 獲取電影具體信息
for movie in movies:
ID = movie['movieId']
中文名 = movie['name']
英文名 = movie['nameEn']
類型 = movie['movieType']
形式 = movie['movieContentType']
海報url = movie['img']
其它譯名 = movie['titleOthersCn']
評分 = movie['rating']
導演 = movie['directors']
主演 = movie['actors']
詳情 = movie['href']
可播放 = movie['canPlay']
國家地區 = movie['locationName']
上映日期 = movie['realTime']
片長 = movie['length']
info = [來源, 年代, ID, 中文名, 英文名, 類型, 形式, 海報url, 其它譯名, 評分, 導演, 主演, 詳情, 可播放, 國家地區, 上映日期, 片長, 票房, 觀看日期]
data.append(info)
except Exception as err:
er_year, er_pagesize, er_pageindex, er_msg = p_year, pagesize, pageindex, err
error.append([er_year, er_pagesize, er_pageindex, er_msg])
print(f"出錯啦,出錯年份:{p_year},pagesize:{pagesize},page:{pageindex},出錯原因:{er_msg}")
continue
if __name__ == '__main__':
begin = time.perf_counter()
threads = []
for year in range(2020, 2021): # todo 此處可以自定義要獲取的年份
t = Thread(target=get_data, args=(year,))
threads.append(t)
t.start()
for t in threads:
t.join()
with open('error.txt', 'w', encoding='utf-8') as f:
f.write(str(error))
data.insert(0, ['來源', '年代', 'ID', '中文名', '英文名', '類型', '形式', '海報url', '其它譯名', '評分', '導演', '主演', '詳情', '可播放', '國家地區', '上映日期', '片長', '票房', '觀看日期'])
df = pd.DataFrame(data)
df.to_excel(excel_writer=r'film.xlsx', sheet_name='sheet1', index=None, header=False) # todo film.xlsx為最後保存的文件名
end = time.perf_counter()
runtime = end - begin
print(f'運行時長:{runtime:.3f}秒。')
輸出結果:
已完成 0.00%
已完成 11.63%
已完成 23.26%
已完成 34.88%
已完成 46.51%
已完成 58.14%
已完成 69.77%
已完成 81.40%
已完成 93.02%
運行時長:27.906秒。
雖然示例中獲取的是2020年的數據,但是由於代碼中採用的是多線程,所以如果是獲取一段時間的數據時耗費的時間也和這個差不多。
最後保存到excel中的數據如下: