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。
http://www.omdbapi.com/
第二步，确定网址的格式。
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。
import requests
for line in open(“movies.txt”):
s=line.split(‘%20\n’)
urll=’http://www.omdbapi.com/?t=’+s[0]
result=requests.get(urll)
if result:
json=result.text
print(json)
p=open(‘result0.json’,’a’)
p.write(json)
p.write(‘\n’)
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。
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。
import requests 3
key=[‘’]
for line in open(“movies.txt”):
try:
#……
except timeouterror:
continue
except unicodeencodeerror:
continue
except connectionerror:
continue
下面贴出完整代码：
# -*- coding: utf-8 -*-
import requests
import time
key=[‘xxxxx’,’yyyyy’,zzzzz’,’aaaaa’,’bbbbb’]
i=0
for line in open(“movies.txt”):
try:
i=(i+1)%5
s=line.split(‘%20\n’)
urll=’http://www.omdbapi.com/?t=’+s[0]+’&apikey=’+key[i]
result=requests.get(urll)
if result:
json=result.text
print(json)
p=open(‘result0.json’,’a’)
p.write(json)
p.write(‘\n’)
p.close()
time.sleep(1)
except timeouterror:
continue
except unicodeencodeerror:
continue
except connectionerror:
continue
接下来喝杯茶，看看自己的程序跑得怎么样吧！