python - 如何从 imdb 业务页面抓取数据？

Question

我正在制作一个项目，需要来自 imdb 业务页面的数据。我正在使用 python。数据存储在两个标签之间，如下所示:

预算

220,000,000 美元(估计)

我想要数字金额，但到目前为止还没有成功。有什么建议。

Answer 1

看看Beautiful Soup ，它是一个有用的抓取库。如果您查看源代码，您会发现“Budget”位于 h4 元素内，并且该值位于 DOM 中的下一个位置。这可能不是最好的例子，但它适用于您的情况:

import urllib
from bs4 import BeautifulSoup


page = urllib.urlopen('http://www.imdb.com/title/tt0118715/?ref_=fn_al_nm_1a')
soup = BeautifulSoup(page.read())
for h4 in soup.find_all('h4'):
    if "Budget:" in h4:
        print h4.next_sibling.strip()

# $15,000,000