電影天堂下載連結都是magnet的，搞下來想下就下沒有廣告

# coding=utf-8
import urllib.request
#import requests
import re
import random
import json

#爬取電影天堂電影下載連結
def get_film(url):
    #設定模擬瀏覽器擡頭
    ua_list = [
        "Mozilla/5.0 (Windows NT 6.1; ) Apple.... ",
        "Mozilla/5.0 (X11; CrOS i686 2268.111.0)... ",
        "Mozilla/5.0 (Macintosh; U; PPC Mac OS X.... "
 
,
        "Mozilla/5.0 (Macintosh; Intel Mac OS... "
    ]
    user_agent = random.choice(ua_list)
    #構建請求
    myRequest = urllib.request.Request(url)
    #也可以通過呼叫Request.add_header() 新增/修改一個特定的header
    myRequest.add_header("Connection", "keep-alive")
    #也可以通過呼叫Request.add_header() 新增/修改一個特定的header
 

    myRequest.add_header("User-Agent", user_agent)
    #第一個字母大寫，後面的全部小寫
    myRequest.get_header("User-agent")
    #請求響應
    response = urllib.request.urlopen(myRequest)
    #讀取並轉碼為GBK的字串
    try:
        encodeHtml = response.read()
        #使用"ignore"忽略錯誤
        html = encodeHtml.decode("GB18030",
 
"ignore")
        detail_list=re.findall('<a href="(.*?)" class="ulink',html) 
        for m in detail_list:
            b_url = 'http://www.dytt8.net/%s'%m
            #html_2=requests.get(b_url)
            
            #構建請求
            request2 = urllib.request.Request(b_url)
            #也可以通過呼叫Request.add_header() 新增/修改一個特定的header
            request2.add_header("Connection", "keep-alive")
            #也可以通過呼叫Request.add_header() 新增/修改一個特定的header
            request2.add_header("User-Agent", user_agent)
            #第一個字母大寫，後面的全部小寫
            request2.get_header("User-agent")
            #請求響應
            response2 = urllib.request.urlopen(request2)
            #html_2 = response2.read().decode("GBK") 這個可能報錯 用下面的
            html_2 = response2.read().decode("GB18030","ignore")
            #print(html_2)
            #新建一個字典
            movieInfo = {'name':'','ftp':'','magnet':'','info':'','originalName':'','grade':''}
            ftp = re.findall('<a href="(.*?)">ftp.*?</a></td>',html_2)
            if ftp != []:
                #print (ftp[0])
                movieInfo['ftp']=ftp[0]
                name = re.findall('com.*?.m',ftp[0])
                if name != []:
                    #print ('電影名稱:'+name[0].split('.')[1])
                    movieInfo['name']=name[0].split('.')[1]
            magnet = re.findall('<a href="magnet:(.*?)"><strong><font style="BACKGROUND-COLOR: #ff9966"><font color="#0000ff"><font size="4">磁力鏈下載點選這裡</font></font></font></strong></a>',html_2)
            if magnet != []:
                #print (magnet[0])
                movieInfo['magnet']='magnet:'+magnet[0]
            Info = re.findall(' /> <br /><br />.*?<br /><br /><img',html_2)
            if Info != []:
                tmpInfo = Info[0].split('/>',1)[1].split('<img',1)[0]
                #print (tmpInfo)
                movieInfo['info']= tmpInfo
                #原始片名
                originalNameList = re.findall('◎片　　名.*?<br />',tmpInfo)
                if originalNameList !=[]:
                    movieInfo['originalName'] = originalNameList[0].split('◎片　　名',1)[1].split('<br />',1)[0]
                #IMDb評分 滿分10分  這裡擷取我寫的差 還是大家自己去匹配把
                gradeList = re.findall('◎IMDb評分.*?<br />',tmpInfo)
                if gradeList !=[]:
                    #print (gradeList[0].split('/',1)[0])
                    if len(gradeList[0].split('/',1)[0].split('　',1))>1:
                        #print (gradeList[0].split('/',1)[0].split('　',1)[1])
                        movieInfo['grade'] = gradeList[0].split('/',1)[0].split('　',1)[1]
                    if len(gradeList[0].split('/',1)[0].split(' ',1))>1:
                        #print (gradeList[0].split('/',1)[0].split(' ',1)[1])
                        movieInfo['grade'] = gradeList[0].split('/',1)[0].split(' ',1)[1]
            
            for key in movieInfo:
                print (key, ' value : ', movieInfo[key])
            
            '''
            #將資料儲存到本地 
            #jsonStr = json.dumps(movieInfo)
            #print (jsonStr)
            with open('d:\movieList.txt','a',encoding='utf-8') as f:
                #寫文字write到本地
                f.write(jsonStr+',')
            '''
                   
            #傳送到java伺服器
            postDaa = urllib.parse.urlencode(movieInfo).encode('utf-8')
            header_dict = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Trident/7.0; rv:11.0) like Gecko'}
            #我的地址就不貼了
            url3='https://www.xxx.xxxPython.json'
            req3 = urllib.request.Request(url=url3,data=postDaa,headers=header_dict,method = 'POST')
            res3 = urllib.request.urlopen(req3)
            res3 = res3.read()
            print(res3)
            #print(res3.decode(encoding='utf-8'))
            
    except Exception  as e:
        print('發生了異常：',e)
    
'''
這裡是單執行緒的
for n in range(1,110):
    #goUrl = 'http://www.dytt8.net/html/gndy/dyzz/list_23_'+str(n)+'.html'
    goUrl = 'http://www.dytt8.net/html/gndy/china/list_4_'+str(n)+'.html'
    print(goUrl)
    get_film(goUrl)
'''    

一個一個挨著去爬肯定慢啊，建一個多執行緒的去爬 mui.py

這個是參照了 AutomationTesting的部落格內容，很多欄位我也沒改。

# -*-coding:utf-8-*-
import threading;
import main;
mutex_lock = threading.RLock();  # 互斥鎖的宣告
ticket = 180;  # 總頁碼
start = 1; # 起始頁碼
# 用於統計各個執行緒的得票數
ticket_stastics=[];
   
class myThread(threading.Thread):  # 執行緒處理函式
    def __init__(self, name): 
        threading.Thread.__init__(self);  # 執行緒類必須的初始化
        self.thread_name = name;  # 將傳遞過來的name構造到類中的name
    def run(self):
        # 宣告在類中使用全域性變數
        global mutex_lock;
        global ticket;   
        global start;  
        while 1:          
            if ticket > start:                
                start += 1;
                goUrl = 'http://www.dytt8.net/html/gndy/dyzz/list_23_'+str(start)+'.html'
                print (goUrl)
                #呼叫你寫的那個類
                main.get_film(goUrl)          
                ticket_stastics[self.thread_name]+=1;                                     
            else:                
                break;
        mutex_lock.release();  # python線上程死亡的時候，不會清理已存在線上程函式的互斥鎖，必須程式猿自己主動清理
        print ("%s被銷燬了！" % (self.thread_name));  
              
# 初始化執行緒 
threads = [];#存放執行緒的陣列，相當於執行緒池
for i in range(0,50):#執行緒數量，電腦好可以多設點2333
    thread = myThread(i);#指定執行緒i的執行函式為myThread
    threads.append(thread);#先講這個執行緒放到執行緒threads
    ticket_stastics.append(0);# 初始化執行緒的得票數統計陣列
for t in threads:#讓執行緒池中的所有陣列開始
    t.start(); 
for t in threads:
    t.join();#等待所有執行緒執行完畢才執行一下的程式碼
print ("錄入完畢！");
print ("=========統計=========");
for i in range(0,len(ticket_stastics)):
    print ("執行緒%d：%d頁" % (i,ticket_stastics[i]));

這兩個執行一下就可以爬了；平常替換下goUrl就可以了~

多執行緒有可能會發生WinError 10060報錯，使用time.sleep(1)避免

發生了異常： <urlopen error [WinError 10060] 由於連線方在一段時間後沒有正確答覆或連線的主機沒有反應，連線嘗試失敗。>
這是由於連線數太多被對方防火牆ban了… 發生這類錯誤就暫停一下再繼續應該就好了，估計是防DDoS攻擊?