用Python獲取網(wǎng)絡(luò)中的科普電影信息

盧寧

摘要：為了更好地開展數(shù)字科學(xué)普及教育，下載更多數(shù)字科學(xué)普及電影的相關(guān)信息和影片資源服務(wù)于數(shù)字科普工作，滿足廣大青少年對科普知識的渴望．文章基于Python語言以在百度上獲取的科普電影片名為文件名新建一個文件夾，以將獲取的影片相關(guān)資料（如科普電影圖片的URL地址）放入新建文件夾為例，介紹了獲取科普電影相關(guān)信息的思路流程和知識要點，為獲取科普電影相關(guān)信息奠定理論基礎(chǔ)、確定操作流程、提供關(guān)鍵代碼，以及為后續(xù)的數(shù)據(jù)分析提供原始資源。

關(guān)鍵詞：數(shù)字科普；科普電影；數(shù)據(jù)獲取；Python

中圖法分類號：TP393 文獻標識碼：A

１ 引言

數(shù)字科普電影是為普及科學(xué)文化知識而特攝，利用數(shù)字電影為傳媒以淺顯、通俗易懂的表現(xiàn)形式讓公眾了解自然科學(xué)和社會科學(xué)，從而推廣科技的應(yīng)用、倡導(dǎo)科學(xué)方法、傳播科學(xué)思想、弘揚科學(xué)精神。影片內(nèi)容在解釋自然現(xiàn)象和社會現(xiàn)象時，力求做到深入淺出、形象生動，使觀眾易于接受。科普電影表現(xiàn)范圍極為廣泛———自然科學(xué)、人文科學(xué)均可涉及。數(shù)字科普電影常用于科普場館的科普教育。

２ Ｐｙｔｈｏｎ 獲取數(shù)據(jù)的優(yōu)勢

請求模塊、解析模塊豐富成熟， 有著強大的Ｓｃｒａｐｙ 網(wǎng)絡(luò)框架，代碼簡潔，代碼量少。數(shù)據(jù)獲取的方法可采用自動索引、模擬程序，按照一定的規(guī)則自動抓取萬維網(wǎng)信息。該程序或者腳本從萬維網(wǎng)上下載網(wǎng)頁，是搜索引擎的重要組成。然后通過對數(shù)據(jù)進行處理，得到有價值的數(shù)據(jù)，傳統(tǒng)算法從一個或若干初始網(wǎng)頁的ＵＲＬ 開始，獲得初始網(wǎng)頁上的ＵＲＬ，在抓取網(wǎng)頁的過程中，不斷從當前頁面上抽取新的ＵＲＬ 放入隊列，直到滿足系統(tǒng)的一定停止條件。

用Ｐｙｔｈｏｎ 語言可以實現(xiàn)如下功能：以在百度上獲取到的各科普電影片名為文件名新建文件夾，在此文件夾下，以各科普電影片名為文件名、以．ｔｘｔ 為擴展名建立文本文件，將爬取到的與這部電影有關(guān)的信息（以獲取的此科普電影圖片的ＵＲＬ 地址為例）放入此文本文件中。

３ 方法

步驟１ 導(dǎo)入本程序要用到的模塊。

在ＰｙＣｈａｒｍ 編輯器中編寫程序代碼：ｉｍｐｏｒｔ ｃｓｖ ＃ ｃｓｖ 文件格式是一種通用的電子表格和數(shù)據(jù)庫導(dǎo)入導(dǎo)出格式，用此文件存放獲取到的科普影片片名ｉｍｐｏｒｔ ｏｓ ＃ 包含普遍的操作系統(tǒng)功能ｉｍｐｏｒｔ ｒｅ ＃ 正則表達式用于提取有效的內(nèi)容ｉｍｐｏｒｔ ｒｅｑｕｅｓｔｓ ＃網(wǎng)絡(luò)訪問模塊用于得到頁面源代碼步驟２ 獲取頁面源代碼。

在百度搜科普電影，如圖１ 所示。