Python3获取大量电影信息:调用API
2024-10-20 21:06:30
实验室这段时间要采集电影的信息,给出了一个很大的数据集,数据集包含了4000多个电影名,需要我写一个爬虫来爬取电影名对应的电影信息。
其实在实际运作中,根本就不需要爬虫,只需要一点简单的Python基础就可以了。
前置需求:
Python3语法基础
HTTP网络基础
===================================
第一步,确定API的提供方。IMDb是最大的电影数据库,与其相对的,有一个OMDb的网站提供了API供使用。这家网站的API非常友好,易于使用。
http://www.omdbapi.com/
第二步,确定网址的格式。
第三步,了解基本的Requests库的使用方法。
http://cn.python-requests.org/zh_CN/latest/
为什么我要使用Requests,不使用urllib.request呢?
因为Python的这个库容易出各种各样的奇葩问题,我已经受够了……
第四步,编写Python代码。
我想做的是,逐行读取文件,然后用该行的电影名去获取电影信息。因为源文件较大,readlines()不能完全读取所有电影名,所以我们逐行读取。
import requests for line in open("movies.txt"):
s=line.split('%20\n')
urll='http://www.omdbapi.com/?t='+s[0]
result=requests.get(urll)
if result:
json=result.text
print(json)
p=open('result0.json','a')
p.write(json)
p.write('\n')
p.close()
我预先把电影名文件全部格式化了一遍,将所有的空格替换成了"%20",便于使用API(否则会报错)。这个功能可以用Visual Studio Code完成。
注意,编码的时候选择GBK编码,不然会出现下面错误:
UnicodeDecodeError: 'gbk' codec can't decode byte 0xff in position 0: illegal multibyte sequence
第五步,做优化和异常处理。
主要做三件事,第一件事,控制API速度,防止被服务器屏蔽;
第二件事,获取API key(甚至使用多个key)
第三件事:异常处理。
import requests
key=[‘’] for line in open("movies.txt"):
try:
#……
except TimeoutError:
continue
except UnicodeEncodeError:
continue
except ConnectionError:
continue
下面贴出完整代码:
# -*- coding: utf-8 -*- import requests
import time key=['xxxxx','yyyyy',zzzzz','aaaaa','bbbbb']
i=0 for line in open("movies.txt"):
try:
i=(i+1)%5
s=line.split('%20\n')
urll='http://www.omdbapi.com/?t='+s[0]+'&apikey='+key[i]
result=requests.get(urll)
if result:
json=result.text
print(json)
p=open('result0.json','a')
p.write(json)
p.write('\n')
p.close()
time.sleep(1)
except TimeoutError:
continue
except UnicodeEncodeError:
continue
except ConnectionError:
continue
接下来喝杯茶,看看自己的程序跑得怎么样吧!
最新文章
- MySQL主从复制中常见的3个错误及填坑方案
- 【003:switch 不加 break的结果
- silverlight中 Storyboard(动画)的使用,实现球的上下循环移动,左右移动,及旋转功能
- ACdream 1429 Rectangular Polygon
- oracle中如何对字符串进行去除空格的方法
- HashMap的笔记
- 关于JFace中的输入值(InputDialog)对话框类
- DevExpress LookUpEdit 初始化(数据加载) 底层类
- 解决iOS中tabBarItem图片默认颜色的问题(指定代码渲染模式为以原样模式的方式显示出来)
- VC创建多级目录
- 时钟(AnalogClock和DigitalClock)的功能与用法
- NYOJ--20--搜索(dfs)--吝啬的国度
- 【Alpha】——Sixth Scrum Meeting
- 多层嵌套的json数据
- jquery学习总结1-12
- java总结:字符串切割
- linux查看日志
- PP学习笔记-业务基础
- OneNET麒麟座应用开发之四:数据上传测试
- GlusterFS分布式存储系统中更换故障Brick的操作记录1
热门文章
- 了解protected 以及公用、私有和受保护的继承
- IIS 中的虚拟目录 和软连接
- Python机器学习笔记:朴素贝叶斯算法
- CSS 定位 (Positioning)概述
- 51nod1202【DP-树状数组维护】
- 给出每个员工每年薪水涨幅超过5000的员工编号emp_no、薪水变更开始日期from_date以及薪水涨幅值salary_growth,并按照salary_growth逆序排列。
- 3dmax 法线重置
- 51nod1102(单调栈/预处理)
- struts2.5+框架使用通配符与动态方法
- log4j.properties错误及配置详解