前250名imdb详细信息php抓取器

Question

我正在尝试构建个人电影数据库，我希望从imdb中获取数据... 是的，我知道有很多api和抓取器，但没有一个正在做什么需要,,,

到目前为止，我无法找到解析http://www.imdb.com/chart/top列表并从中获取数据的解决方案......

我试过用卷曲脚本做但没有运气！

例如：

我想知道教父：第二部分是否排在前250位？如果是，排名是什么......

Answer 1

API

我会研究IMDB是否有可用的API ......如果他们这样做，可能就像查询URL并解析用json_decode返回的数据一样简单......

没有可用的API？

获取网页

无需使用CURL一个简单的file_get_contents就可以解决问题......

提取列表

现在你有了这个网页，你有两个选择：

1. 使用DOM解析器解析网页（冗长，不必要）
2. 正则表达式提取您之后的信息（简单，简短）

正则表达式

快速查看列表的源代码，显示列表格式为：

<td class="titleColumn">RANK. <a href="/link/to/film" title="Director/Leads" >FILM TITLE</a>

请参阅CAPS了解所需信息

现在将其转换为正则表达式很简单;只需删除 noise 并替换为（非贪婪）外卡......

<td class="titleColumn">RANK. <a.*?>FILM TITLE</a>

添加捕获组：

<td class="titleColumn">(RANK). <a.*?>(FILM TITLE)</a>

就是这样......

#<td class="titleColumn">(\d+)\. <a.*?>(.*?)</a>#

实施例

在实践中使用它：

$page = file_get_contents("http://www.imdb.com/chart/top"); //Download the page

preg_match_all('#<td class="titleColumn">(\d+)\. <a.*?>(.*?)</a>#', $page, $matches); //Match ranks and titles

$top250 = array_combine($matches[1], $matches[2]);          //Final array in format RANK=>TITLE

然后你可以做类似的事情：

echo $top250[1];

/**
Output:

The Shawshank Redemption

*/

echo array_search("The Godfather", $top250);

/**
Output:

2

*/

然后，您可以使用标准PHP数组函数来执行搜索电影等操作。

http://php.net/file_get_contents
http://php.net/preg_match_all
http://php.net/array_combine
http://php.net/array_search

---

旁注

特别是如果您使用上面的无API 方法，您可能会考虑在本地存储结果，并且只更新每个X小时/天/周以节省加载时间我假设你已经在计划这样做了（因为你说你想要一个个人电影数据库......但是我想我还是会提到它！