爬虫+网站开发实例：电影票比价网

江水滔滔

注：一篇去年的旧文，发现没在知乎发过，过来补个档。有个小问题是项目中淘票票的网页反爬提升且变动较多，目前暂不可用了。
时常有同学会问我类似的问题：我已经学完了 Python 基础，也照着例子写过一点爬虫代码 / 了解过 django 的入门项目 / 看过数据分析的教程……然后就不知道要做什么了。接下来应该如何继续提升编程能力呢？

我的答案很简单：
做项目
不要把“项目”想象得太复杂，觉得一定是那种收钱开发的才能称作项目（如果有这种项目当然会更好）。对于刚刚跨入编程世界的你来说，任何一个小项目都是好的开始。你所需要的，就是一双发现问题的眼睛。生活中工作中的一些小事情小麻烦，多想一步，是不是可以写一小段代码来解决。

一开始，或许你的解决方案很笨拙，很复杂，本来5分钟就能搞定的事情，你写代码却花了一个小时。但对你来说，此时的目的并不只是解决问题，而是这个过程本身。在折腾的过程中，你的经验才会增长。这是你单纯看教程所无法达到的，再好的教程也替代不了动手。（有时候会有人评论说，这功能直接用xxx就可以了，干嘛还要自己写代码。对此我不做评价，因为我知道他不是来学编程的。）

我们编程教室也陆续提供了一些项目案例。你可以参考我们的示例代码，或者更好的是，自己去思考一个解决方案并实现。我们的案例不少都放在了网站 http://lab.crossincode.com 上演示，欢迎大家去浏览。内容会持续更新，可留意我们微信公众号和知乎专栏里的文章。


今天介绍的这个项目就源自生活中的一个场景：买电影票。

当你打算周末出门看场电影的时候，就必然面临三个终极问题：
看什么？什么时候看？去哪儿看？
通常你只需要打开常用的购票App，选一部最近口碑不错的片子，去熟悉的影院看看有哪些场次就可以了。但有时你也会发现，同样一部电影，不远的两家影院，价格就差很多，不同的购票App也会因为促销活动之类有不同的优惠力度，一张票可能会相差几十元。但如果每次都去几个App把最近的排片和价格都浏览一遍，那也太麻烦了。于是就有了我们这个小项目：

电影票比价网

在我们这个网页上，会展示出当前热映的电影。进入每部电影，选择城市、区域、影院和日期，就可以看到最近的排片时间和不同渠道的价格。目前，我们是从糯米、淘票票和时光网三个渠道获取价格来做演示。（注：项目中淘票票现已失效）
实现技术
本项目是对爬虫和Web网站的综合运用，适合已经有掌握python基础，并且对此有一些了解的同学作为练手项目。涉及到模块主要是：
Django（1.10）requestsbs4python-Levenshtein（用来匹配不同渠道的影院信息）代码结构
项目主要有三块：
douban_movie使用豆瓣 api 每日更新上映的影片列表。movie_tickets项目的核心部分，用来处理影院信息和排名信息的抓取。django项目本身是一个网站，整体是在 django 的框架之中。开发思路使用爬虫爬取各电影票网站所有的电影院链接，作为基本的数据保存下来使用豆瓣 API 获取当日上映的电影信息，并每天更新django 显示电影信息，提供给用户选择电影院的接口将影片和影院信息发送到 django 后台进行查询，爬取对应的排片信息显示给用户代码片段

1. # 获取淘票票某地区某电影院某影片价格#
2. 1. 根据查询条件获取影院 id#
3. 2. 根据影院 id 获取该影院正在上映电影#
4. 3. 获取 查询电影的排片时间表链接#
5. 4. 拿到价格
6. def get_movie_tickets(self, *args):
7.     assert len(args) == 4, 'not enough parameters \n type in -h for help'
8.     movie_name = args[3]
9.     mt = TaoppDt()
10.     cinema_url = mt.search(*args[:3])
11.     assert cinema_url, '未查询到该电影院'
12.     pattern = re.compile(r'cinemaId=(\d+)')
13.     cinemaid = re.findall(pattern, cinema_url)[0]
14.     film_url = 'https://dianying.taobao.com/cinemaDetailSchedule.htm?cinemaId=' + str(cinemaid)
15.     content = self.rq.req_url(film_url)
16.     assert content, '请求失败，请检查 /utils/req.py 中 req_url 函数是否工作正常'
17.     soup = bs4.BeautifulSoup(content, 'lxml')
18.     soup_film = soup.find('a', text=re.compile(movie_name))
19.     assert soup_film, '未查询到该电影'
20.     film_param = soup_film['data-param']
21.     return self._get_ticket_info(film_param)

复制代码

其他说明项目为了有一个较好的交互效果，在页面上用到了不少 Ajax 请求。这需要有一定的前端 js 基础。对网页前端不熟悉的同学可暂且略过，重点关注后端实现。不同渠道对于同一家影院的名称很可能有出入，因此这里使用了 python-Levenshtein 来对文本进行匹配。代码里在抓取时有用到我们的另一个项目：IP代理池（参见 Crossin：听说你好不容易写了个爬虫，结果没抓几个就被封了？）。但因为服务器资源有限，有时拿不到可用的代理。各位自己电脑上运行代码时，可尝试把 requests 的 proxies 参数去除。作为一个演示项目，必然存在一些bug（当然商业项目也不可能没有bug），加上爬虫的程序极有可能因为对方网站更新而失效。所以如果遇到问题，欢迎大家给我们报错。代码下载
完整的代码和详细代码说明已上传 Github，获取下载地址请在公众号（Crossin的编程教室）里回复 电影票。


════

其他文章及回答：

学编程：如何自学Python | 新手引导 | 一图学Python

开发案例：智能防挡弹幕 | 红包提醒 | 流浪地球

欢迎搜索及关注：Crossin的编程教室

Winds_Land

(๑•̀ㅂ•́)و✧

yiniuyun0

厉害了

crossin先生

转一个读者发现的问题，报错：
StaticApp has no attribute “directory”


解答：我在github webpy项目pull request 找到了答案，python 3.7 与webpy不兼容导致的一些bug， 修改源码或者用 py 3.6+ 解决