Python获取时光网电影数据

Python获取时光网电影数据

一、前言

有时候觉得电影真是人类有史以来最伟大的发明，我喜欢看电影，看电影可以让我们增长见闻，学习知识。从某种角度上而言，电影凭借自身独有的魅力大大延长了人类的”寿命”。
一部电影如同一本故事书，我可以沉迷到其中，来的一个新的世界，跟着电影主角去经历去感悟。而好的电影是需要慢慢品尝的，不仅提供了各种视觉刺激和情感体验，更能带来思考点，也让我可以懂得在现实生活中穷尽一生也无法明白的道理。电影比书本更直接、更有趣、更精彩。
好的电影可以在潜移默化中塑造我们的三观，在电影中我们可以获得平静、满足和温和，学会坚强、勇气和努力。电影延展了无聊单调、枯燥又稀松平常的生活，让我可以在对现实生活厌倦或失望时至少有一个地方可以逃离。
正因为电影有诸多好处，并且比书本和说教能更好的塑造三观，因此，家长们可以陪同小孩看电影，鼓励孩子从电影中学会坚强和勇敢等优良品质。
既然要看看电影，就要去看优秀的作品，时光网是一个电影各方面素材都比较全面的网站，本次的项目就是要从该网站上获取到指定年份的所有电影数据，并导出成excel表格以供参考。
注意：请勿使用该技术获取网络上敏感、隐私、非公开等数据。
电影推荐(爱情类)：
假如爱有天意：缘，妙不可言，或许一切早已注定。
灵魂摆渡·黄泉：为情甘愿赴死，为爱执守千年。
你的名字：世上所有的相遇都是久别重逢。
电影推荐(亲子类)：
机器人总动员：孩子看到的是友情，大人看到的是爱情。很有爱的一部动画片。
寻梦环游记：死亡并不是终点，被人忘却才是真正的死亡。
电影推荐(悬疑类)：
小岛惊魂
异次元骇客
恐怖游轮

二、准备

2.1 安装库

requests：网络数据请求并获取，安装方式：pip install requests
threading：多线程处理(数据量比较大)，Python自带库，无需安装。
json：数据处理，Python自带库，无需安装。
pandas：将数据导出成excel表格，安装方式：pip install pandas

2.2 原理介绍

1、先通过requests库，通过时光网自带的电影数据API接口，获取到指定的电影数据。
2、将获取到的数据经过简单的加工，通过pandas库存入到excel表格中。

三、实例

3.1 完整代码

	# 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
	# 模块说明：
	"""
	从时光网上按年代获取指定年份电影的数据
	"""
	# 更新日志：
	"""
	1、2021-11-19：
	a、完成初版
	"""
	# 待修改：
	"""
	"""
	# 请求头数据
	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 获取的每页数据条数，一般建议成默认的20就可以了，设置的太大，每页包含的数据量就大，某一条电影数据出错会导致其它数据也被抛弃。
	data = []
	error = []
	def get_data(p_year=1987): # 按照年份获取当年度所有的电影数据
	url = 'http://front-gateway.mtime.com/mtime-search/search/unionSearch2' # 请求的url
	params = {'year': p_year, 'pageSize': pagesize, 'pageIndex': 1, 'searchType': 0} # 请求的表单数据
	# 获取当年度所有的电影的数量，继而计算要获取多少页
	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)
	# 定义变量
	来源 = '时光网'
	年代 = p_year
	ID, 中文名, 英文名, 类型, 形式, 海报url, 评分, 导演, 主演, 详情, 可播放, 国家地区, 上映日期, 片长, 票房, 观看日期 = [''] * 16
	for page in range(pages): # todo 一共要获取多少页
	if page % 10 == 0: # 每10页输出一次进度
	print(f'已完成 {100 * page / pages:.2f}%')
	pageindex = page + 1
	params = {'year': p_year, 'pageSize': pagesize, 'pageIndex': pageindex, 'searchType': 0} # 请求的表单数据
	try: # 获取指定页的电影数据
	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']
	# 获取电影具体信息
	for movie in movies:
	ID = movie['movieId']
	中文名 = movie['name']
	英文名 = movie['nameEn']
	类型 = movie['movieType']
	形式 = movie['movieContentType']
	海报url = movie['img']
	其它译名 = movie['titleOthersCn']
	评分 = movie['rating']
	导演 = movie['directors']
	主演 = movie['actors']
	详情 = movie['href']
	可播放 = movie['canPlay']
	国家地区 = movie['locationName']
	上映日期 = movie['realTime']
	片长 = movie['length']
	info = [来源, 年代, ID, 中文名, 英文名, 类型, 形式, 海报url, 其它译名, 评分, 导演, 主演, 详情, 可播放, 国家地区, 上映日期, 片长, 票房, 观看日期]
	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"出错啦，出错年份：{p_year}，pagesize：{pagesize}，page：{pageindex}，出错原因：{er_msg}")
	continue
	if __name__ == '__main__':
	begin = time.perf_counter()
	threads = []
	for year in range(2020, 2021): # todo 此处可以自定义要获取的年份
	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, ['来源', '年代', 'ID', '中文名', '英文名', '类型', '形式', '海报url', '其它译名', '评分', '导演', '主演', '详情', '可播放', '国家地区', '上映日期', '片长', '票房', '观看日期'])
	df = pd.DataFrame(data)
	df.to_excel(excel_writer=r'film.xlsx', sheet_name='sheet1', index=None, header=False) # todo film.xlsx为最后保存的文件名
	end = time.perf_counter()
	runtime = end - begin
	print(f'运行时长：{runtime:.3f}秒。')

输出结果：

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% 运行时长：27.906秒。

虽然示例中获取的是2020年的数据，但是由于代码中采用的是多线程，所以如果是获取一段时间的数据时耗费的时间也和这个差不多。 最后保存到excel中的数据如下：