用python來爬某電影網站的下載地址

首先在這裏向大家推薦，極客學院，好不好，用了才知道。

博客，算是我學習各種IT知識之後的一個總結，CSDN上的大神的博客，讓我受益良多，除此之外，還有博客園、腳本之家等等很多的好網站。當然腳本之家的廣告着實多了點。而極客學院是我最近一個月纔有瞭解的網站，開始時，自己去註冊個號，結果悲劇了，只有3天的使用期限，我可是綁定了手機號的，你纔給我三天時間，坑啊。然後一次一個人在羣裏發鏈接，點進去送了我一個月，後來我才知道，原來邀請送時間的，後來一個月變成一年了，哈哈，然後在這段時間，學了好多東西，python就是其中之一。

嘮叨了有點多，進入正題。 

一.工具：

1.基本的python環境

2.requests 這個類庫要裝上

3.pycharm 開發環境。

4.強調一下，所有操作均在windows操作系統上，小弟沒錢用不起高大上的Mac(要給我打錢的，可留言，^_^)

 二、需要掌握的知識

1.python基礎知識。去學 極客學院

2.正則表達式 基礎不瞭解的，去學。正則表達式

三、代碼分析

#coding = utf-8
import requests
import re
import sys
import os
from os.path import join,getsize

reload(sys)
sys.setdefaultencoding('utf8');
header = {'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/31.0.1650.63 Safari/537.36'}
html = requests.get('http://www.dy2018.com/')
html.encoding='gbk'
# print html.text
filehandler = open('F:/document/python/python_dy2018.com.txt', 'wb+')
i=0;
html2 = requests.get('http://www.dy2018.com/')
html2.encoding='gbk'
target = re.findall('<div class="title_all">(.*?)</div>',html2.text,re.S)
for each in target:
    # print each
    content = re.findall('<div class="co_(.*?)</div>',html2.text,re.S)
    for each1 in content:
        a = re.findall('<a href=\'(.*?)\'',html2.text,re.S)
        for each1 in a:
            url =  'http://www.dy2018.com/'+each1
            htmlChild =requests.get(url)
            htmlChild.encoding='gbk'
            lianjie = re.findall('bgcolor="#fdfddf"><a href="(.*?)">ftp',htmlChild.text,re.S);
            title = re.findall('bgcolor="#fdfddf"><a href="(.*?)">ftp',htmlChild.text,re.S);
            for eachtitle1 in title:

                file = open('F:/document/python/'+str(i)+'.txt','wb+')
                print eachtitle1
                for eachtitle in lianjie:
                    print eachtitle
                    file.write(eachtitle+'\n')
            i+=1
                 # eachtitle1 = re.findall('(.*?)',eachtitle,re.S)
                 # for eachtileChild in eachtitle1:
                 #     print eachtileChild

代碼大體是這樣，寫得不好望大家見諒。
1.導入相應的類庫 
requests
re 正則表達式
sys  這個的作用是防止亂碼
2.requests.get(url) 取得該地址網頁的源碼
3.html.encoding='gbk' 因爲網站用的是gbk 所以要保持一致，否則又亂碼
4. open() 方法用來操作文件，詳情點擊
5.re.findall() 利用正則表達式 搜索你需要的信息

6.print 方法。合理使用這個方法可以讓你開發的更加便捷。當然用pycharm的斷點調試也可以。     

效果圖：