Skip to main content

Parser for movie pages and search on CSFD.cz

Project description

# ČSFD Parser

Parser pro stránky filmů a vyhledávání na [ČSFD](http://www.csfd.cz).


## Poznámky

[ČSFD](http://www.csfd.cz) je nejznámější Česko-Slovenská filmová databáze. Obsahuje informace o více než čtvrt milionu českých a zahraničních filmů, dále informace o hercích, režisérech atd. Bohužel ale neposkytuje žádné veřejné API pro strojový přístup k datům, žádné webové služby. Jediný způsob, jakým z ní dostat data, je parsováním webových stránek. A přesně k tomu vznikl tento kód.

Webové stránky ČSFD mají sice doctype XHTML+RDFa, ale přitom jsem v nich žádné RDFa značky nenašel a dokonce nejsou ani _well-formed_. Nelze je proto přímo zpracovat jako XML. Všechny parsery, které jsem pro ČSFD našel (a jeden z nich jsem kdysi sám napsal), stránky parsují sadou složitých regulérních výrazů. Jejich vymýšlení sice může být poměrně zábavné procvičení mozkových závitů na dlouhé zimní večery, ale následné udržování a upravování při změně designu stránek je nesmírně náročné. Navíc takové řešení není příliš rychlé. Chtěl jsem proto zkusit trochu jiný přístup.

Tento parser není postavený na regulérních výrazech, ale místo toho využívá [HTML parser](http://lxml.de/), který ze stránky postaví XML DOM, nad kterým se poté dotazuje přes XPath. Lokalizace požadovaných elementů na stránce je díky XPath neuvěřitelně snadná a výsledný kód je krásně přehledný. Můžete sami porovnat například s [tímto](http://www.phpclasses.org/browse/file/33086.html) kódem.


## Požadavky

* Python 2.7 / 3.1
* [lxml](http://lxml.de/) (testováno na 2.3.1)


## Upozornění

Používejte tento kód pouze pro vlastní potřebu, nezneužívejte ho pro vykrádání databáze ČSFD!


## Licence

Tento projekt je uveřejněný pod licencí [LGPL version 3](http://www.gnu.org/licenses/lgpl.txt).

## Contributors

[Alex Rembish](http://github.com/rembish)

Project details


Download files

Download the file for your platform. If you're not sure which to choose, learn more about installing packages.

Source Distribution

csfd-parser-1.0.5.tar.gz (6.5 kB view details)

Uploaded Source

File details

Details for the file csfd-parser-1.0.5.tar.gz.

File metadata

File hashes

Hashes for csfd-parser-1.0.5.tar.gz
Algorithm Hash digest
SHA256 5e4e124d575942cf42b2526b53b9304d40dcf394da93b0bade846c44c1bcf9ff
MD5 a40d9d44fc6d805e9fbb0892b97c3f89
BLAKE2b-256 7f6c2555f91bc9eac3edbf41aed42a66fa7ea1d901baf6d0b2f3808ab0574e00

See more details on using hashes here.

Supported by

AWS AWS Cloud computing and Security Sponsor Datadog Datadog Monitoring Fastly Fastly CDN Google Google Download Analytics Microsoft Microsoft PSF Sponsor Pingdom Pingdom Monitoring Sentry Sentry Error logging StatusPage StatusPage Status page