[問題] 電影時刻表爬蟲新手問題

[students (無敵風火輪)]

最近在練習寫爬蟲，又被一些基本觀念的問題給卡住了，以下是威秀影城的爬蟲程式碼。

#復仇者聯盟頁面
MOVIE_URL = 'http://www.vscinemas.com.tw/vsTicketing/ticketing/ticket.aspx?cin
ema=1|TP&movie=HO00006836'

#確認URL存在
def get_web_page(url):
    resp = requests.get(url)
    if  resp.status_code != 200:
        print('無效的URL：',resp.url)
        return None
    else:
        return resp.text

#找出電影資訊的模組
def get_movie(dom):
    soup = BeautifulSoup(dom,'html5lib')
    movies = []
    divs = soup.find('ul','bookList').find_all('li')
    for div in divs:
        movie = dict()
        movie['name'] = soup.find('div','movieDescribe').h1.text
        movie['date'] = div.parent.find_previous_sibling('h4').text
        movie['time'] = div.text
        movies.append(movie)
    return movies

#主程式模組
def main():
    page = get_web_page(MOVIE_URL)
    if page:
        s = get_movie(page)
        print(s)
        for a in s:
            print(a['name'],a['date'],a['time'])


if __name__ == '__main__':
    main()

--------------執行結果-----------

[{'name': '(4DX 3D)復仇者聯盟 3：無限之戰', 'date': '2018 年 04 月 25 日 星期
三', 'time': '13:30'}, {'name': '(4DX 3D)復仇者聯盟 3：無限之戰', 'date': '201
8 年 04 月 25 日 星期三', 'time': '16:30'}, {'name': '(4DX 3D)復仇者聯盟 3：無
限之戰', 'date': '2018 年 04 月 25 日 星期三', 'time': '19:30'}, {'name': '(4D
X 3D)復仇者聯盟 3：無限之戰', 'date': '2018 年 04 月 25 日 星期三', 'time': '0
1:30(隔日)'}]
(4DX 3D)復仇者聯盟 3：無限之戰 2018 年 04 月 25 日 星期三 13:30
(4DX 3D)復仇者聯盟 3：無限之戰 2018 年 04 月 25 日 星期三 16:30
(4DX 3D)復仇者聯盟 3：無限之戰 2018 年 04 月 25 日 星期三 19:30
(4DX 3D)復仇者聯盟 3：無限之戰 2018 年 04 月 25 日 星期三 01:30(隔日)



有兩個問題：
1.我想把電影時刻的time變成這樣，我在def get_movie()要怎麼寫比較好。

{'name': '(4DX 3D)復仇者聯盟 3：無限之戰', 'date': '2018 年 04 月 25 日 星期三
', 'time': '13:30 , 16:30 , 19:30, 01:30(隔日)’}

2.想直接在主程式區塊列印出這樣的格式

(4DX 3D)復仇者聯盟 3：無限之戰 2018 年 04 月 25 日 星期三 13:30 , 16:30 , 19:3
0, 01:30(隔日)

謝謝大家

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 180.217.160.180
※ 文章網址: https://www.ptt.cc/bbs/Python/M.1523934293.A.7C2.html
推 coeric: 把你的迴圈 for div in divs 內的 name,date拉出來
→ coeric: time部份去做一個小dict，迴圈跑完，再塞到movie['time']
推 vi000246: 1.關鍵字datetime format 去找個lib把中文時間轉date類
→ vi000246: 型 再轉成你要的格式
→ vi000246: 2.你可能要先把json轉成強型別物件 dict、class、tuple
→ vi000246: 之類的 再用名稱做group by 把時間撈出來成一個list
→ coeric: 時間的部份，我應該會用re取出
→ coeric: 或是用datetime內的strptime也可 只是星期幾的部份
→ coeric: 比較麻煩點，是否有其他高手一行文?
→ uranusjr: 星期幾反正根本不需要, 直接 [:-3] 去掉就好
→ coeric: 同意樓上，因為有日期後，自然可以用isoweekday重現
→ vi000246: 啊 我看錯問題了 日期直接取出來即可