爬虫实战3:使用request,bs4爬动态加载图片
参考网站:https://blog.csdn.net/Young_Child/article/details/78571422
在爬的过程中遇到的问题:
1、被ban:更改header的User-Agent,伪装成浏览器浏览,如果还被ban可以使用代理,这个网站只需要伪装头再加上time.sleep()就可以解决了(我导入了fake_useragent,也可以自己造个轮子,我比较懒,直接用了别人的轮子)
2、下载下来的图片是同一张,全是防盗链图片这个问题我也找了好久,结果发现只要在头里加上’Referer’就可以了
HTTP Referer是header的一部分,当浏览器向web服务器发送请求的时候,一般会带上Referer,告诉服务器我是从哪个页面链接过来的,服务器基此可以获得一些信息用于处理。——百度百科
3. 此代码需要在在linux的python2下运行,在windows下会出现异常。
完整代码如下
1 #!/usr/bin/evn python 2 # -*- coding:utf-8 -*- 3 # __author__: 4 #import urllib2 5 import bs4 6 import time 7 import requests 8 import fake_useragent 9 import os 10 import re 11 import sys 12 #import xlrd 13 import random 14 15 # 用于将u 转换成 string 16 reload(sys) 17 sys.setdefaultencoding('utf-8') # u -> str 18 19 20 class GetPictures(object): 21 def __init__(self): 22 self.url = 'http://www.mmjpg.com/mm/1' 23 self.first_num = 0 24 self.sum_num = 0 25 self.pictures_sum() 26 self.urls = self.get_urls() 27 for url in self.urls: 28 self.down_pictures(self.get_img_urls(url)) 29 30 # 输入需要的套数 31 def pictures_sum(self): 32 str1 = raw_input(r"第几套开始,重复会跳过") 33 try: 34 self.first_num = int(float(str1)) 35 except ValueError: 36 print ('输入的不为数字') 37 38 str1 = raw_input("收集多少套") 39 try: 40 self.sum_num = int(float(str1)) 41 except ValueError: 42 print("输入的不为数字") 43 exit(1) 44 45 # 得到所有套图的第一张所在网页的URL 46 def get_urls(self): 47 urls = [] 48 for i in xrange(self.first_num, self.first_num+self.sum_num): 49 url_split = self.url.split('/') 50 url_split[-1] = str(i) 51 urls.append('/'.join(url_split)) 52 # print urls 53 return urls 54 55 # 得到一共有多少张图 56 def get_img_sum_num(self, img_url): 57 fa = fake_useragent.UserAgent() 58 headers = {'User-Agent': fa.random, 59 'Referer': 'http://www.mmjpg.com'} 60 request = requests.get(img_url, headers=headers) 61 soup = bs4.BeautifulSoup(request.content, 'lxml') 62 # 获取标签里面的值 63 img_sum_number = soup.find_all('a', href=re.compile('/mm'))[8].get_text().strip() 64 print img_sum_number 65 img_sum_number = int(img_sum_number) 66 # print img_sum_number 67 return img_sum_number 68 69 # 得到该套图中的所有图片的URL 70 def get_img_urls(self, url): 71 fa = fake_useragent.UserAgent() 72 headers = {'User-Agent': fa.random, 73 'Referer': 'http://m.mmjpg.com'} 74 request = requests.get(url, headers=headers) 75 soup = bs4.BeautifulSoup(request.content, 'lxml') 76 first_img_url = soup.find('img').get('src') # 获取标签值 77 url_split = first_img_url.split('/') 78 img_urls = [] 79 for i in xrange(1, self.get_img_sum_num(url)+1): 80 url_split[-1] = (str(i)+'.jpg') 81 img_urls.append('/'.join(url_split)) 82 # print img_urls 83 return img_urls 84 85 # 下载图片 86 def down_pictures(self, img_urls): 87 img_name = str(img_urls[0].split('/')[-2])+'-'+str(img_urls[0].split('/')[-3]) 88 if os.path.exists(img_name): # 查重 如果这个文件夹存在则跳过 防止重复下载 89 time.sleep(1) 90 print img_name+'存在' 91 return 92 os.mkdir(img_name) 93 for img_url in img_urls: 94 fa = fake_useragent.UserAgent() 95 headers = {'User-Agent': fa.random, 96 'Referer': 'http://m.mmjpg.com'} 97 request = requests.get(img_url, headers=headers) 98 99 with open(img_name + u'/' + img_url.split('/')[-1], 'wb') as f: 100 f.write(request.content) # contents返回的为二进制 text返回的为union类型 101 f.close() 102 print "已保存" + img_name + '/' + img_url.split('/')[-1] 103 time.sleep(random.random()*2) 104 105 106 # 运行程序 107 if __name__ == '__main__': 108 GetPictures() 109 110 ''' 111 用requests,bs4 抓取mmjpg.com上的套图 112 将上面的套图按套进行保存 113 '''
转载于:https://www.cnblogs.com/regit/p/9273277.html
爬虫实战3:使用request,bs4爬动态加载图片相关推荐
- Delphi FastReport动态加载图片
Delphi FastReport动态加载图片 2011-01-06 作者:李海彬 阅读:684 以前用FastReport制作报表,从来没有打印过图片,这段时间做了个打印个人简历的 ...
- vue+elementui 中src动态加载图片的时候不起作用
vue+elementui 中src动态加载图片的时候不起作用 代码如下: <el-table-column align="center" label="宠物图片& ...
- vue 动态加载图片路径报错解决方法
vue 动态加载图片路径报错解决方法 参考文章: (1)vue 动态加载图片路径报错解决方法 (2)https://www.cnblogs.com/qingcui277/p/8930507.html ...
- jQuery页面滚动 动态加载图片等元素
相信大家见过好多随着页面滚动,动态加载图片等元素的网站,我也是,以前见了好多,只是没时间去研究,今天晚上有空,百度了一下找了一个jquery插件,作者张鑫旭,效果挺好,代码也很简单,使用更方便,废话不 ...
- 解决问题:swiper动态加载图片后无法滑动
解决问题:swiper动态加载图片后无法滑动 参考文章: (1)解决问题:swiper动态加载图片后无法滑动 (2)https://www.cnblogs.com/yangguoe/p/9857398 ...
- html5动态加载图片和加载视频
这两在做一个动态加载图片的东西,有点类似QQ发说说里面附带图片的那种,经过测试可以任意添加.删除,然后该删除的位置被后一位自动填充,还有一个bug,就是最后一个图片的控件没做处理,删掉最后一个就会导致 ...
- 动态加载图片,实现瀑布流效果
瀑布流 1.瀑布流 瀑布流,可以有多列,每一列的高度可以不相同,但是宽度必须一样: 排列的方式是,从左往右排列,哪一列总高度最小,就优先排序,把图片放在这一列. 这样排完所有的图片后,可以保证每一列的 ...
- viewer动态加载图片第一次点击预览图片失败的问题
如果您搜到这篇文章的话,那估计您遇到跟我一样的问题了. 众所周知,每一个插件都有很多坑,比如说市面上比较火爆的 图片浏览插件viewer,有js版本和jqery版本的,尽管这两个版本不一样,但是大同小 ...
- 游戏UI动态加载图片优化
说到UI优化,很多人对其并不以为意,UI的制作无非使用UGUI或者NGUI.UI优化主要是针对图集,还有一些依赖项的优化,针对的是内存优化,上面这些都是关于静态UI的优化,这个是作为程序员都要经历的阶 ...
最新文章
- linux shell 运算符 | || () {}
- ArrayList源码分析(基于JDK1.6)
- jQuery 事件绑定方法(bind hover toggle live.... )、删除事件方法(unbind, die)及 事件对象
- 粒子群算法(PSO)Matlab实现(两种解法)
- Stanford UFLDL教程 池化Pooling
- svn 提交到远程仓库_聊聊如何从SVN迁移源码到Git仓库
- linux 显示文字在桌面背景,Linux下Xwindow的字体配置(所谓的字体美化)
- 分组数据方差公式_统计学公式
- WEB安全基础-HTML+PHP实践
- 干货| LeNet-5模型详解(附Python详细代码及注释)
- 一元三次方程重根判别式_一元四次方程的常规解法
- 【JavaScript】查漏补缺 —对象转换成字符串JSON.stringify()
- 8 更新全局变量_2月26日守望先锋版本更新
- 将查询出来的数据按照一个字段分组且排序过程中,遇到的一些有关group的问题(分组排序应该使用partition by)
- python集合常用方法_python基础-集合set的常用方法
- c++ 11之 lambda表达式的使用
- directx.sys和svchost.com
- Pycharm一直显示connecting to console
- android 开发笔记 (黎活明)
- 第三方自动投票软件制作教程