Python一鍵獲取日漫Top100榜單電影資訊
最近看到一個 UP 主做的影片，使用可視化動態圖，把目前播放量最多的 UP 主一一列出來，結果第一名是嗶哩嗶哩番劇，第一名的播放量是第二名近 10 倍。
B站的番劇數量，也是相對其他平台比較多的，而且品質都還不錯。說實話，剛開始用嗶哩嗶哩的時候，就是為了看番劇。作為一個喜歡看番劇的 pk 哥，我決定用爬蟲爬取一下日本動漫電影 TOP100 都有哪些？網上看了一下，時光網正好有這個排行榜，而且資訊相對來說比較全。
所以我決定用爬蟲把這個榜單上 Top100 的所有電影資訊全部保存為 csv 文件放在本地，看有沒有之前我遺漏的經典動漫電影。
以下是保存的效果。保存的列包括電影名稱、導演編劇、發行公司、更多片名、評分、首日票房、總票房。有些電影沒有評分和票房資訊的就直接顯示為空。
獲取電影ID資訊
本次爬蟲項目主要分為三個部分。第一部分我們要獲取電影的 Id資訊，因為我們需要保存的所有資訊，都和這個有關。Id從哪裡獲取呢？我們打開這個榜單頁面的源程式碼。源程式碼中我們可以看到，id都在鏈接後面。
為了縮小範圍，我們發現這些鏈接都在 class=top_nlist 裡面，我們用 beautifulsoup 庫提取屬性 class= top_nlist 所有的元素。然後用正則表達式，提取出每頁的 id資訊。
這裡第 1 個頁面需要特殊處理一下，因為第 2 個頁面到第 10 個頁面後面都是直接帶的數字，第 1 個頁面直接我在後面加 -1 的話會報 404，所以這個頁面單獨拿出來提取頁面資訊。然後再把 ID 資訊全部加到空列表裡面。
提取評分和票房資訊
ID 資訊獲取了，接下來我們通過 ID 資訊來獲取電影的評分和票房資訊。通過 F12 調試我們可以看到。評分和票房資訊在 js 裡面。
請求鏈接里變化的就是電影的 ID ，其他的保持不變就好。
我們對返回資訊通過簡單的處理轉換為 Json 格式。之後我們就可以直接通過 key 值提取 value 值了。這裡主要提取的資訊有：評分、首日票房和總票房。
提取其他電影詳細資訊
接下來我們需要通過 ID 資訊獲取對應電影的名稱和導演編劇等詳細資訊。這些資訊在源程式碼中，可以直接通過正則表達式來提取。
用正則表達式提取資訊的前提是我們要找到資訊的規律。這樣通過正則表達式提取就又快又准。
提取了這些資訊之後，我們把它保存在 list 列表中，這樣做的目的是為了後面我們保存為 csv 文件做準備。
保存為csv文件
每頁的資訊獲取了之後，我們就可以把這些資訊追加保存到 csv 文件中。每保存一部電影資訊，保存下一部電影資訊就進行追加保存。為了避免保存後的 csv 文件打開出現亂碼，我們需要將編碼形式設置為 encoding=’utf-8′ 格式。
通過這三步，這個 Top100 排行榜中的所有動漫電影資訊都全部保存在本地的 csv 文件中啊。那我們就可以更方便的瀏覽這些電影資訊。這樣我們就可以更好的追番了。本文所有的程式碼資訊可在公眾號「Python知識圈」後台回復「動漫電影」獲取。
