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
')
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('
')
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：
1 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 3
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
')
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('
')
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！
Copyright © 2019-2025 51dongshi.net 版权所有
违法及侵权请联系：TEL:177 7030 7066 E-MAIL:11247931@qq.com 本站由北京市万商天勤律师事务所王兴未律师提供法律服务
