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......
答案 0 :(得分:1)
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......
无需使用CURL一个简单的file_get_contents
就可以解决问题......
现在你有了这个网页,你有两个选择:
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>#
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
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!