我正在尝试建立一个个人电影数据库，我希望从imdb获取数据...是的，我知道那里有很多 API 和抓取器，但他们都没有做需要的事情,,,
到目前为止，我无法想出解析 http://www.imdb.com/chart/top 列表并从中获取数据的解决方案......
我尝试通过卷曲脚本来做到这一点，但没有运气！
例如：
我想知道《教父：第二部分》是否进入前 250 名，如果是，排名是多少......
API
我会调查 IMDB 是否有可用的 API......如果他们这样做，这可能就像查询 URL 并使用 json_decode 解析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就可以了...
提取列表
现在您有了网页，然后有两个选择：
- 使用 DOM 解析器解析网页（冗长，不是必需的）
- 正则表达式提取您所追求的信息（简单、简短）
正则表达式
快速浏览列表的源代码显示列表的格式为：
<td class="titleColumn">RANK. <a href="/link/to/film" title="Director/Leads" >FILM TITLE</a>
有关所需信息，请参阅大写字母
现在将其转换为正则表达式很简单;只需消除噪音并替换为（非贪婪的）通配符......
<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>#
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，您可以执行以下操作：
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_combinehttp://php.net/array_search
旁注
特别是如果您使用上面的 No API 方法，您可能想考虑在本地存储结果，并且仅每 X 小时/天/周更新一次以节省加载时间等。我假设您已经计划这样做（正如您所说，您想要一个个人电影数据库......但只是想我还是会提到它！