用Python找电影混剪的镜头

Python035

用Python找电影混剪的镜头,第1张

1、打开python软件，并将想要寻找混剪镜头的电影导入。

2、提取srt合并，选择带检索功能支持正则表达式更好的软件，定位镜头。

3、点击工具栏的检索功能，即可找到电影中的混剪镜头。

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。

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。

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。

1 import requests 2  3 for line in open("movies.txt"): 4     s=line.split('%20\n') 5     urll='htdbapi.com/?t='+s[0] 7     result=requests.get(urll) 8     if result: 9         json=result.text10         print(json)11         p=open('result0.json','a')12         p.write(json)13         p.write('\n')14         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。

1 import requests 3  4 key=[‘’] 5  6 for line in open("movies.txt"): 7     try: 8         #…… 9     except TimeoutError:10         continue11     except UnicodeEncodeError:12         continue13     except ConnectionError:14         continue

下面贴出完整代码：

1 # -*- coding: utf-8 -*- 2  3 import requests 4 import time 5  6 key=['xxxxx','yyyyy',zzzzz','aaaaa','bbbbb'] 7 i=0 8  9 for line in open("movies.txt"):10     try:11         i=(i+1)%512         s=line.split('%20\n')13         urll='dbapi.com/?t='+s[0]+'&apikey='+key[i]14         result=requests.get(urll)15         if result:16             json=result.text17             print(json)18             p=open('result0.json','a')19             p.write(json)20             p.write('\n')21             p.close()22             time.sleep(1)23     except TimeoutError:24         continue25     except UnicodeEncodeError:26         continue27     except ConnectionError:28         continue

接下来喝杯茶，看看自己的程序跑得怎么样吧！

你是用哪个版本的python?? 不然代码不同啊...

2.7代码如下:

#coding:utf-8

import re

datadic={}

string=u'变形金刚3 变形3 变3 我看过变形金刚3 变形3 我看过变3 变形金刚3 变形3变3变形金刚3 变形3变3变形金刚3 变形3变3 哈7 我看过哈利波特7。。。。。。。'

com=re.compile(u'变.{,3}?3')

com1=re.compile(u'哈.{,3}?7')

datadic['%06d'%len(com.findall(string))]=u'变形金刚3'

datadic['%06d'%len((com1.findall(string)))]=u'哈利波特7'

datasort=list(reversed(sorted(datadic)))

k=0

for i in range(len(datasort)):

k+=1

print(u'第%d名是:%s'%(k,datadic[datasort[i]]))