سرویس اختصاصی WebScraper.ir

استخراج اطلاعات فیلم و سریال

کاتالوگ فیلم و سریال شما راخودکار می‌سازیم

اگر برای سایت، اپلیکیشن یا پلتفرم محتوایی خود به اطلاعات هزاران فیلم و سریال نیاز دارید، لازم نیست عنوان، بازیگران، ژانر، امتیاز و پوستر را یکی‌یکی وارد کنید.

ما اطلاعات را از منابع موردنظر شما جمع‌آوری می‌کنیم، موارد تکراری را تشخیص می‌دهیم و یک کاتالوگ مرتب و آماده استفاده تحویل می‌دهیم.

مثلاً

  • چند سایت فیلم ← استخراج اطلاعات ← تشخیص فیلم‌های تکراری ← ساخت یک رکورد کامل ← ورود به سایت یا اپ شما
  • عنوان و سال
  • ژانر و بازیگران
  • امتیاز و پوستر
  • API / JSON / Database
بررسی پروژه من مشاهده نمونه خروجی

فایل فیلم یا سریال استخراج نمی‌شود؛ این سرویس برای جمع‌آوری و ساختاردهی اطلاعات و متادیتای منتشرشده است.

استخراج و یکپارچه‌سازی اطلاعات فیلم و سریال — WebScraper.ir

کاربردهای واقعی

دقیقاً چه کاری می‌توانیم برای شما انجام دهیم؟

مثال ۱ — ساخت کاتالوگ سایت فیلم و سریال

یک سایت یا اپ فیلم دارید و می‌خواهید برای هزاران عنوان اطلاعات کامل داشته باشید — بدون ورود دستی تیم محتوا.

منابع فیلم ← عنوان + پوستر + ژانر + بازیگران + امتیاز ← دیتابیس شما

در نهایت هر فیلم یک صفحه مرتب و ساختاریافته خواهد داشت.

مثال ۲ — راه‌اندازی اپلیکیشن فیلم

می‌خواهید اپی شبیه یک مرجع فیلم بسازید؛ تیم برنامه‌نویسی به داده ساختاریافته نیاز دارد.

عنوان فارسی و انگلیسی ← سال ← ژانر ← کارگردان ← بازیگران ← مدت ← امتیاز ← خلاصه ← پوستر

همه فیلدها طبق منابع توافقی و آماده اتصال به محصول شما.

مثال ۳ — ترکیب اطلاعات چند سایت

یک سایت امتیاز خوبی دارد، دیگری بازیگران کامل‌تر و منبع سومی خلاصه بهتری — به‌جای سه رکورد برای یک فیلم.

منبع A + منبع B + منبع C ← تشخیص یک اثر ← یک رکورد کامل

مثلاً امتیاز از A، بازیگران از B، اطلاعات فنی از C — در خروجی فقط یک فیلم.

مثال ۴ — پاک‌سازی دیتابیس فعلی شما

همین حالا هزاران رکورد دارید اما عنوان‌ها ناهمگون یا تکراری‌اند («The Dark Knight»، «Dark Knight»، «شوالیه تاریکی»).

بررسی عنوان، سال و شناسه‌ها ← تشخیص رکوردهای مرتبط ← آماده‌سازی برای ادغام

پایهٔ یک کاتالوگ تمیز بدون شروع از صفر.

مثال ۵ — به‌روزرسانی خودکار اطلاعات

کاتالوگ یک‌بار ساخته شده اما امتیاز، فصل جدید یا بازیگران عوض می‌شوند.

هر هفته ← بررسی منابع ← پیدا کردن تغییرات ← به‌روزرسانی دیتابیس

بدون اینکه تیم محتوا همه عنوان‌ها را دوباره دستی بررسی کند.

مثال ۶ — سریال، فصل و قسمت

برای سریال‌ها ساختار سلسله‌مراتبی لازم است.

سریال ← فصل ← قسمت‌ها (عنوان، شماره، تاریخ انتشار، خلاصه)

بسته به اطلاعات موجود در هر منبع، در محدوده قرارداد.

مثال ۷ — اطلاع از فیلم یا فصل جدید

می‌خواهید وقتی عنوان جدیدی در منابع موردنظر اضافه شد خبردار شوید.

عنوان جدید منتشر شد ← استخراج اطلاعات ← ثبت در سیستم ← اعلان

اعلان از طریق تلگرام، ایمیل یا وب‌هوک برای تیم محتوا.

مثال ۸ — داده برای سیستم پیشنهاد فیلم

موتور پیشنهاد فیلم به داده مرتب نیاز دارد.

ژانر + بازیگران + کارگردان + سال + امتیاز ← ورودی سیستم پیشنهاددهنده

کم‌کردن نویز در ویژگی‌ها برای تشخیص بهتر ارتباط بین محتواها.

مثال ۹ — جست‌وجوی حرفه‌ای داخل سایت

به‌جای جست‌وجوی فقط بر اساس عنوان، کاربر فیلتر پیشرفته می‌خواهد.

داده ساختاریافته ← جست‌وجو بر اساس ژانر، سال، بازیگر، امتیاز و …

مثلاً «کمدی ۲۰۲۵»، «فیلم‌های یک بازیگر» یا «سریال‌های امتیاز بالاتر از ۸».

به زبان ساده: شما می‌گویید اطلاعات چه فیلم‌ها و سریال‌هایی را از چه منابعی می‌خواهید؛ ما آن‌ها را جمع‌آوری، مرتب، ادغام و آماده استفاده در محصول شما می‌کنیم.

شروع ساده

شما فقط بگویید چه کاتالوگی می‌خواهید

  1. منابع را مشخص کنید

    مثلاً:

    • سایت‌های مرجع فیلم
    • APIهای در دسترس
    • آرشیو یا دیتابیس فعلی خودتان

  2. اطلاعات موردنیاز را انتخاب کنید

    مثلاً:

    • عنوان، سال، ژانر، بازیگران، کارگردان
    • امتیاز، پوستر، خلاصه
    • فصل و قسمت برای سریال

  3. فرمت تحویل را انتخاب کنید

    مثلاً:

    • سایت یا اپ شما
    • API
    • JSON
    • CSV
    • <a href="https://www.postgresql.org/docs/" target="_blank" rel="noopener">PostgreSQL</a>
    • <a href="https://www.elastic.co/guide/en/elasticsearch/reference/current/index.html" target="_blank" rel="noopener">Elasticsearch</a>

معرفی

وقتی همان فیلم در دو سایت دو نام دارد، پیشنهاددهنده و جست‌وجوی داخلی گیج می‌شوند

تیم محتوای پخش آنلاین نمی‌خواهد هزار عنوان را دستی در اکسل بزند؛ می‌خواهد پوستر، خلاصه، ژانر و فهرست بازیگران از منابع هدف پروژه پر شود — با تاریخ به‌روزرسانی مشخص برای هر فیلد.

خط استخراج لیست، جست‌وجو یا API را می‌گیرد، ساختار هر صفحه را می‌خواند و با کلید یکتا (شناسه خارجی، عنوان یکسان‌شده + سال، یا کارگردان + سال) رکوردها را ادغام می‌کند. برای سریال، فصل و شماره قسمت در محدوده جدا تعریف می‌شود.

فقط اطلاعات منتشرشده در صفحه هدف — نه فایل فیلم. حق پوستر و متن با ناشر است؛ در امکان‌سنجی شفاف می‌گوییم چه مجوزی برای بازنشر دارید و کدام فیلدها فقط به‌صورت لینک می‌مانند.

نام سایت‌ها در این صفحه مثال است؛ منبع قرارداد همان لیستی است که در جلسه امکان‌سنجی امضا می‌شود.

قبل و بعد از خط کاتالوگ

قبل — دستی

  • دو اکسل با عنوان متفاوت برای یک فیلم
  • امتیاز از یک سایت و بازیگران از سایت دیگر — بدون ادغام
  • پوستر شکسته یا لینک منقضی در محیط اصلی

بعد — خط کاتالوگ

  • رکورد واحد با مشخص بودن منبع هر فیلد
  • ژانر و نام بازیگر در فهرست ثابت و تمیز
  • همگام‌سازی دوره‌ای امتیاز و عناوین جدید

مخاطب

این سرویس برای چه تیمی معنا دارد؟

سه سناریوی رایج در پروژه‌های فیلم و سریال — در امکان‌سنجی با نقش شما تطبیق می‌دهیم.

کاتالوگ کامل بدون تیم ورود دستی

هزاران عنوان با پوستر، خلاصه، ژانر و محدودیت سنی — خروجی آماده ورود به سامانه مدیریت محتوا یا پایگاه داده محصول.

  • ورود دسته‌ای
  • لینک پوستر
  • به‌روزرسانی هفتگی

محدوده

دقیقاً چه چیزی استخراج می‌شود؟

فایل ویدیو و متن پشت اشتراک پولی خارج از محدوده؛ فیلدهای صفحهٔ هدف یا API در محدوده.

داخل محدوده پروژه

  • عنوان فارسی و انگلیسی، سال، نوع (فیلم / سریال / مستند)
  • ژانر، کشور، کارگردان، بازیگران، مدت، امتیاز
  • خلاصه داستان، لینک صفحه منبع، کلید ادغام
  • پوستر: لینک یا فایل در صورت مجوز بازنشر
  • سریال: فصل و قسمت در محدوده توافقی
  • تحویل JSON، CSV، API، PostgreSQL یا Elasticsearch

خارج از محدوده

  • دانلود یا بازنشر فایل فیلم و سریال
  • نقد کامل یا متن پشت پرداخت اشتراک
  • دسترسی پشت پرداخت‌دیواری یا geo-block بدون مسیر فنی توافق‌شده در قرارداد
  • ادعای مالکیت داده ناشران و پورتال‌ها

منابع

از چه نوع سایت‌هایی می‌توان اطلاعات جمع کرد؟

پورتال نقد ایرانی، سایت تجمیع‌کننده، پایگاه جهانی با API و صفحه معرفی توزیع‌کننده — هر منبع نگاشت جدا دارد و در امکان‌سنجی ریسک robots و تغییر ساختار صفحه بررسی می‌شود.

منابع داخلی

  • پورتال‌های نقد و اطلاعات فیلم امتیاز، خلاصه، بازیگران
  • سرویس‌های پخش آنلاین (کاتالوگ عمومی) عنوان، ژانر، پوستر
  • فروشگاه فیزیکی یا دیجیتال صفحهٔ عمومی با ساختار قابل استخراج

کاربرد

شش مسیر رایج با متادیتای فیلم و سریال

کاتالوگ

کاتالوگ پخش آنلاین

تکمیل پوستر، خلاصه و ژانر برای هزاران عنوان — آماده ورود به سامانه محتوا.

هوش محتوا

موتور پیشنهاد

بازیگران و ژانر یکسان برای مدل پیشنهاد مبتنی بر محتوا یا رفتار کاربر.

جست‌وجو

جست‌وجوی داخلی

خروجی برای جست‌وجوی متن کامل در پایگاه داده با فیلدهای فارسی.

گزارش

تحلیل ترند

ژانر و امتیاز پرتکرار در بازه — گزارش برای تیم محتوا.

ادغام

همگام‌سازی چندمنبعی

یک فیلم از دو پورتال — یک رکورد با مشخص بودن منبع هر فیلد.

رویداد

هشدار عنوان جدید

وقتی فصل جدید سریال یا فیلم تازه در منبع هدف ظاهر شد.

ادغام

یک عنوان، چند منبع

قبل از تحویل، رکوردهای خام تطبیق داده می‌شوند و فیلدها با اولویت منبع ترکیب می‌شوند.

پورتال الف
  • عنوان فارسیشبِ طولانی
  • امتیاز۷٫۶
  • بازیگران—
پورتال ب
  • عنوان فارسیشب طولانی (نسخه سینما)
  • امتیاز—
  • بازیگران۳ نفر
رکورد کاتالوگ
  • عنوان فارسیشبِ طولانیمنبع الف
  • امتیاز۷٫۶منبع الف
  • بازیگران۳ نفرمنبع ب
  1. ۱استخراج از پورتال الف — عنوان فارسی و امتیاز
  2. ۲استخراج از پورتال ب — فهرست بازیگران کامل‌تر و مدت
  3. ۳تطبیق بر اساس سال و عنوان یکسان‌شده
  4. ۴رکورد واحد با مشخص بودن منبع هر فیلد در ساختار داده

یک فیلم، چند رکورد خام

عنوان متفاوت برای همان اثر رایج است — حذف تکرار قبل از API شما انجام می‌شود.

  • شناسه خارجی (TMDB یا IMDb در صورت وجود در منبع)
  • عنوان یکسان‌شده + سال انتشار
  • کارگردان + سال (برای موارد خاص)

یکسان‌سازی فیلدها

  • ژانر در فهرست ثابت توافقی (درام، کمدی و …)
  • نام بازیگر یکنواخت و حذف تکرار
  • امتیاز در مقیاس ۰ تا ۱۰ یا ۰ تا ۵ — یکسان در خروجی

تحویل

داده را چطور می‌گیرید؟

همان خط پردازش و ادغام — چند کانال خروجی؛ یکی اصلی و بقیه کمکی در قرارداد.

۱

API کاتالوگ

جست‌وجو، فیلتر ژانر و دریافت رکورد با شناسه پایدار — برای محصول.

  • API
  • JSON
  • صفحه‌بندی
۲

PostgreSQL و گزارش

جداول عنوان، فصل و قسمت؛ اتصال Metabase یا داشبورد سفارشی.

  • پایگاه داده
  • داشبورد
۳

Elasticsearch

جست‌وجوی فارسی و تقریبی روی عنوان و بازیگران.

  • جست‌وجو
  • فارسی
  • مقیاس بالا
۴

فایل و اعلان

CSV هفتگی یا هشدار عنوان جدید در تلگرام یا وب‌هوک.

  • CSV
  • وب‌هوک
  • ایمیل

فرایند

از محدوده تا API کاتالوگ شما

  1. محدوده

    منابع، فیلدهای اجباری، کلید ادغام

  2. نگاشت

    ساختار هر منبع و API

  3. استخراج

    لیست، جست‌وجو، دسته‌ای

  4. تطبیق و کنترل

    حذف تکرار، فهرست ثابت، فیلدهای خالی

  5. تحویل

    API، پایگاه داده یا فایل

گروه‌های فیلد در ساختار نهایی

لیست قطعی در سند امکان‌سنجی امضا می‌شود؛ این جدول برای هم‌فهمی تیم فنی است.

شناسه و نوع
  • شناسه کاتالوگ
  • نوع (فیلم / سریال)
  • سال
  • فصل
  • قسمت
محتوا و افراد
  • عنوان فارسی و انگلیسی
  • خلاصه
  • کارگردان
  • بازیگران
  • ژانرها
کیفیت و رسانه
  • امتیاز
  • مدت
  • آدرس پوستر
  • لینک منبع

داده‌ها

فیلدهای ساختار کاتالوگ

فیلدهای فصل و شماره قسمت برای سریال در محدوده جدا در سند پروژه تعریف می‌شود.

عنوان فارسی / انگلیسی هر دو در صورت وجود در منبع
سال و نوع فیلم، سریال یا مستند
ژانر و کشور فهرست کنترل‌شده
کارگردان و بازیگران پردازش و حذف تکرار نام
امتیاز و مدت مقیاس واحد در خروجی
پوستر لینک یا فایل مجاز
خلاصه داستان متن توضیح اثر
منابع ادغام‌شده ردیابی منبع هر فیلد
نمونه رکورد JSON کاتالوگ

داده نمایشی — ساختار و کلید ادغام در پروژه واقعی توافق می‌شود.

{
  "catalog_id": "wsir-film-9f2a",
  "title_fa": "فیلم نمونه",
  "title_en": "Sample Film",
  "year": 2024,
  "type": "movie",
  "genres": ["درام", "خانوادگی"],
  "directors": ["کارگردان نمونه"],
  "cast": ["بازیگر ۱", "بازیگر ۲"],
  "imdb_rating": 7.8,
  "runtime_minutes": 118,
  "poster_url": "https://example.com/poster.jpg",
  "synopsis": "خلاصه داستان نمونه برای کاتالوگ داخلی…",
  "sources_merged": ["portal-a", "portal-b"],
  "field_provenance": {
    "cast": "portal-b",
    "imdb_rating": "portal-a"
  }
}

فنی

ابزارها، زمان‌بندی، محدودیت

Python

پردازش، ادغام و هماهنگی خط

Scrapy

لیست‌های بزرگ و خزش منظم

PostgreSQL

کاتالوگ و جست‌وجوی متن

Elasticsearch

جست‌وجوی فارسی در مقیاس

محدودیت‌ها و ریسک‌ها

  • نقد یا متن پشت اشتراک پولی
  • تغییر ناگهانی ساختار صفحه
  • سیاست نرخ درخواست و خزش
  • حق نشر پوستر و خلاصه
  • تفاوت عنوان فارسی و لاتین در تطبیق

پوستر و متن فقط با مجوز بازنشر یا لینک به منبع — در امکان‌سنجی شفاف می‌شود.

فرکانس به‌روزرسانی

اطلاعات معمولاً هفتگی یا ماهانه همگام می‌شود؛ عناوین جدید و فصل تازه سریال سریع‌تر.

امتیاز و بازیگران ممکن است در پورتال دیرتر به‌روز شود — بازه هر فیلد در قرارداد مشخص است.

هفتگیعناوین تازه و فصل جدید
ماهانهامتیاز، بازیگران، پوستر
رویداداعلان عنوان جدید

مالکیت محتوا و محدوده پروژه

سرویس استخراج داده به معنای انتقال حق نشر یا مجوز بازنشر محتوا نیست.

استفاده از داده باید مطابق قرارداد پروژه و قوانین مرتبط با سازمان شما باشد.

برخی منابع محدودیت فنی دارند (ورود، پرداخت‌دیواری، محدودیت شدید درخواست) که روی معماری و زمان تحویل اثر می‌گذارد؛ در امکان‌سنجی بررسی می‌شود.

WebScraper.ir محدوده فنی، فیلدها و روش استخراج هر منبع را قبل از توسعه کامل شفاف می‌کند.

پرسش‌های متداول

سوالات رایج قبل از قرارداد کاتالوگ

خیر — فیلدهای صفحهٔ هدف یا API؛ نه فایل ویدیو.

گام بعد

لیست پورتال‌ها یا فرمت کاتالوگ فعلی را دارید؟

بفرستید — ادغام، فیلدهای اجباری، کلید یکتا و روش تحویل را در امکان‌سنجی همان هفته اول مشخص می‌کنیم.

درخواست امکان‌سنجی تماس با تیم