9A-影视相关, 爬虫初战心得2 of 3: 独创

本人原创实验心得，非专业，非权威。谨供参考。全部归纳/整理到：论坛淘帖专栏中，链接在此。
   业余时间，还得加班加点、挑灯夜战，潜心编程，特别辛苦。实在没空加好友/答疑。敬请谅解。



  这是我的自习日记。 给动手能力较强的DIYER，分享创作/实验心得...

本篇，就是完全独立自主的、爬虫实践了！

  前期连载篇中，已讲过


为此，Yuran在用自编程序，尝试核查：某硬盘的片源时，就得到了不少，错误信息。



可以看到，被列为违规的片源，大多都是：本国（或日韩印等亚洲国家/地区的）的电影。



根本原因，就是 Original title 这一项，没有遵循：（必须）纯英文命名的规定！



被TMM（tinyMediaManager）刮削时，这些电影的 Original title （原始片名），写的很随意。
但是，到了咱这里，就得与时俱进了。



Yuran的自编程序，所查的，正是TMM所刮削的：

• index.nfo文件（存在：BDMV 文件夹内）；
• movie.nfo文件（存在：ISO的目录内）。
  

既然，这些 Original Title 项，是非英文的片名，就得改过来！
若用人工模式，费时费力。

现如今，既然能自学Python、玩爬虫，那就让PC机，自动化处理吧！
这回，没什么可借鉴的。必须依靠自己，DIY构思、编程了！



  Yuran注意到： TMM所刮削的nfo文件中，是以HTML格式，保存的信息。



其中有一个HTML tag（标签）， id ，竟然是： IMDB 网站的电影id 。
比如上图中，这部电影的ID ，能找到：   <id>tt2150371</id>

Yuran自编的程序，应从这里入手，先自动读取、id 标签，再自动拼加 imdb的、相关（网址）链接！
本例，应自动拼接成： https://www.imdb.com/title/tt2150371/releaseinfo?ref_=tt_dt_aka#akas

如果，你试着拷贝该网址，再到浏览器中，去粘贴、观摩，就应显现出，下图所示的网页！



再转动鼠标滑轮，往下翻， 就会看到： AKA （as known as） 这项：



这就等于是：找到 IMDB 权威的、各个国家/地区 的、电影发行版的、正规片名！
其中， Original title， 或 USA、或 UK 的片名，可以“竞选”！
最终的基准，是哪项呢？



再看下面这个电影。



根据其 id 标签中的信息，  <id>tt4591310</id>，拼接网址，

https://www.imdb.com/title/tt4591310/releaseinfo?ref_=tt_dt_aka#akas

再去对比：



与政治、风俗都无关。片源管理，为方便排序，选 USA 这项吧，纯英文（不是其它项的、汉语拼音）。



  所谓‘爬虫’，就是计算机的程序，模拟人工方式，到相关网页中，爬来爬去，自动抓取实用信息。
Yuran就DIY设计脚本，改进程序。 做原创编程的、研发（进阶）实验！



齐活，Yuran的自编程序，自动读取nfo文件中的id，自行拼接(链接)，再到相关网页、（自动）抓取了相关信息。
就是说：相关片源的、发行版的英文片名，都已（自动）找到。 举一反三，再试试，另外的一部电影。



英文片名（浅蓝色字符），即可显现！
还有那部、名字怪怪的、印度电影《三枪隐情》，找到了，英文片名是 Rustom。



凡是本篇晒过图的、违规的电影，都当作样本，做测试（先搜USA的、若找不到，就搜 UK的英文片名...）



没事，PC机不累。     再来一个： 钟馗的那个电影，英文片名，即刻搜到！



    下一步，增加脚本，将搜到的信息，补充到nfo文件中，换成英文片名，就都‘洗白’了...
不过，通宵达旦的钻研，暂停，我该去休息了。       节日快乐！

感谢楼主科普，小白学习了

学习能力强，大神！佩服！

顶顶顶！

复制百度，再复制重命名看枯了

牛逼 顶顶顶

专业贴，看不懂。。。。。。。。

666666  支持一个

专业，谢谢分享

楼主厉害了。看到孙悟空vs白骨夫人...笑抽了。

太复杂了，看不懂

大牛，可以趴电影资源嘛？