其实在实际运作中，根本就不需要爬虫，只需要一点简单的Python基础就可以了。

前置需求：

Python3语法基础

HTTP网络基础

第一步，确定API的提供方。IMDb是最大的电影数据库，与其相对的，有一个OMDb的网站提供了API供使用。这家网站的API非常友好，易于使用。

http://www.omdbapi.com/

第二步，确定网址的格式。

第三步，了解基本的Requests库的使用方法。

http://cn.python-requests.org/zh_CN/latest/

为什么我要使用Requests，不使用urllib.request呢？

因为Python的这个库容易出各种各样的奇葩问题，我已经受够了……

第四步，编写Python代码。

我想做的是，逐行读取文件，然后用该行的电影名去获取电影信息。因为源文件较大，readlines()不能完全读取所有电影名，所以我们逐行读取。

import requests

for line in open("movies.txt"):
 s=line.split('%20
')
 urll='http://www.omdbapi.com/?t='+s[0]
 result=requests.get(urll)
 if result:
 json=result.text
 print(json)
 p=open('result0.json','a')
 p.write(json)
 p.write('
')
 p.close()

我预先把电影名文件全部格式化了一遍，将所有的空格替换成了"%20"，便于使用API（否则会报错）。这个功能可以用Visual Studio Code完成。

注意，编码的时候选择GBK编码，不然会出现下面错误：

1 UnicodeDecodeError: 'gbk' codec can't decode byte 0xff in position 0: illegal multibyte sequence

第五步，做优化和异常处理。

主要做三件事，第一件事，控制API速度，防止被服务器屏蔽；

第二件事，获取API key（甚至使用多个key）

第三件事：异常处理。

import requests 3 
key=[‘’]

for line in open("movies.txt"):
 try:
 #……
 except TimeoutError:
 continue
 except UnicodeEncodeError:
 continue
 except ConnectionError:
 continue

下面贴出完整代码：

# -*- coding: utf-8 -*-

import requests
import time

key=['xxxxx','yyyyy',zzzzz','aaaaa','bbbbb']
i=0

for line in open("movies.txt"):
 try:
 i=(i+1)%5
 s=line.split('%20
')
 urll='http://www.omdbapi.com/?t='+s[0]+'&apikey='+key[i]
 result=requests.get(urll)
 if result:
 json=result.text
 print(json)
 p=open('result0.json','a')
 p.write(json)
 p.write('
')
 p.close()
 time.sleep(1)
 except TimeoutError:
 continue
 except UnicodeEncodeError:
 continue
 except ConnectionError:
 continue

接下来喝杯茶，看看自己的程序跑得怎么样吧！