电影爱好者的R函数

转载自：http://xccds.github.io/2013/06/movie/
作为一个伪影迷，经常纠结一些电影该不该下，要不要看。毕竟吾生也有涯而片源无涯。还好可以去豆瓣一类的地方看看大家的评分择优录用。去豆瓣查分需要登录网站搜索再鼠标点点点，如果要查好几部电影就有点费事儿。其实可以用R写个函数，先抓取相应的网页，再筛选返回需要的分值。这样在R里头就可以批量查分了，恩，走起来。
library(RCurl)
library(XML)
movieScore <- function(x) {
    stopifnot(is.character(x))
    # 提交搜索豆瓣表单
    search <- getForm("http://movie.douban.com/subject_search", search_text = x)
    searchweb <- htmlParse(search)
    # 解析搜索结果页面
    resnodes <- getNodeSet(searchweb, "//div[@id='wrapper']//table[1]//a")
    if (is.null(resnodes))
        return(NULL) else resurl <- xmlGetAttr(resnodes［1］, name = "href")
    # 得到影片页面后第二次解析
    resweb <- getURL(resurl, .encoding = "UTF-8")
    content <- htmlParse(resweb, encoding = "UTF-8")
    resnodes <- getNodeSet(content, "//div[@id='interest_sectl']//p[@class='rating_self clearfix']//strong")
    namenodes <- getNodeSet(content, "//div[@id='content']//h1//span")
    # 得到影片评分
    score <- xmlValue(resnodes［1］)
    name <- xmlValue(namenodes［1］)
    return(list(name = name, score = score))
}
看看天机这部大烂片多少分。
movieScore("天机")
## $name
## [1] "天机·富春山居图"
##
## $score
## [1] "2.9"
抓网页比较慢，豆瓣为人民群众着想提供了API，我们也可以使用API来调取分数，函数也比较简单。
library(RCurl)
library(XML)
library(RJSONIO)
movieScoreapi <- function(x) {
    api <- "https://api.douban.com/v2/movie/search?q={"
    url <- paste(api, x, "}", sep = "")
    res <- getURL(url)
    reslist <- fromJSON(res)
    name <- reslist$subjects［1］$title
    score <- reslist$subjects［1］$rating$average
    return(list(name = name, score = score))
}
movieScoreapi("僵尸世界大战")
## $name
## [1] "僵尸世界大战"
##
## $score
## [1] 7.5
有了这个查分函数，我们可以在R中批量查阅电影评分了。但是豆瓣对于频繁的访问会有限制，对于没有认证的API使用是每分钟10次，超过就会暂时封IP。对于网页抓取，肖楠在第六次R会议上有个很棒的演讲，有兴趣的同学可以去统计之都看看。
发现上述脚本只能显示排序第一的选项，模糊搜索的时候，可能就找不到了。尝试着做了点小改动，能够显示所有的返回结果。
library(bitops)
library(RCurl)
library(XML)
library(RJSONIO)
movieScoreapi <- function(x) {
api <- "http://api.douban.com/v2/movie...{"
url <- paste(api, x, "}", sep = "")
res <- getURL(url)
reslist <- fromJSON(res)
i<-1
name<-NULL
score<-NULL
for(i in 1:length(lapply(reslist$subjects, dim))){
if (!is.null(reslist$subjects［i］$title)){
name[i] <- reslist$subjects［i］$title
score[i] <- reslist$subjects［i］$rating$average
i<-i+1}
else{
break
}
}
return(cbind(name,score))
}
movieScoreapi("那些年")