#coding=utf-8
import time
import requests
from bs4 import BeautifulSoup
import os
import sysif(os.name == 'nt'):print(u'你正在使用win平台')
else:print(u'你正在使用linux平台')header = {'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64; rv:23.0) Gecko/20100101 Firefox/23.0'}
#http请求头
all_url = 'http://www.mzitu.com'
start_html = requests.get(all_url,headers = header)#保存地址
path = 'D:/mzitu/'#找寻最大页数
soup = BeautifulSoup(start_html.text,"html.parser")    #定义为beautifulsoup类parser
page = soup.find_all('a',class_='page-numbers') #page为一个列表，找到标签为a的，属性class为‘page-numbers'的标签
max_page = page[-2].text #观察最大页数在-2处，用.text取文本信息
same_url = 'http://www.mzitu.com/page/'
for n in range(1,int(max_page)+1):ul = same_url+str(n)start_html = requests.get(ul, headers=header)soup = BeautifulSoup(start_html.text,"html.parser")#标签的寻找find是一对一对的然后用text取其中内容all_a = soup.find('div',class_='postlist').find_all('a',target='_blank')#在find  div的大类下找到所有标签a且a标签中target为blank的标签(因为有多个a类标签，需要把没用的排除掉)for a in all_a:    #all_a一共找到两个部分，第一个部分是空的，第二部分才能提取得到titletitle = a.text #提取文本内容就是在<>尖括号以外的信息if(title != ''):print("准备扒取："+title)#win不能创建带？的目录  如果目录中含有?将其替换为''if(os.path.exists(path+title.strip().replace('?',''))):#如果目录存在(exist)返回1，flag = 1flag=1else:os.makedirs(path+title.strip().replace('?',''))flag=0os.chdir(path + title.strip().replace('?',''))#改变当前工作目录到指定路径href = a['href']#图片地址html = requests.get(href,headers = header)mess = BeautifulSoup(html.text,"html.parser")pic_max = mess.find_all('span')pic_max = pic_max[10].text #最大页数if(flag == 1 and len(os.listdir(path+title.strip().replace('?',''))) >= int(pic_max)):print('已经保存完毕，跳过')continuefor num in range(1,int(pic_max)+1):time.sleep(1)#抓慢一点，上次爬的太快ip被封了pic = href+'/'+str(num)#图片所在页的地址html = requests.get(pic,headers = header)mess = BeautifulSoup(html.text,"html.parser")pic_url = mess.find('img',alt = title)#找到标签为imghtml = requests.get(pic_url['src'],headers = header)#这里找到的才是真正图片的地址file_name = pic_url['src'].split(r'/')[-1]#文件名为地址分割后的最后一个字符串f = open(file_name,'wb')f.write(html.content)#content是类函数，在这里就是地址html所表示的图片
                f.close()print('完成')print('第',n,'页完成')