【Python56--爬取妹子图】
爬取网站的思路
第一步:首先分析爬取网站的连接地址特性,发现翻页图片的时候连接:http://www.mmjpg.com/mm/1570 ,http://www.mmjpg.com/mm/1569,只有后面的数字会变化
第二步:然后翻页1,2,3,用检查(查看源代码)来获取翻页的数字
第三步:查看图片的地址,保存后并写入文件内
思路就是这样的一个思路,具体用代码梳理具体的思路
第一步:
首先写一个主函数:包括:url,url后面的索引:index(1570),翻页(1,2),下载的图片地址;并且采用函数封装的思路
def main(index):#1、写url地址main_url = 'http://www.mmjpg.com/mm/%s' % index#2、获取翻页地址,写一个get_page()函数page = get_page(main_url)if os.path.exists(path) != True:os.mkdir(path) #创建工作目录#print(path)else:os.chdir(path) #切换到工作目录#3、遍历所有页,获取图片的地址for i in range(1, int(page) + 1):url = '%s/%s' % (main_url, i)try:get_img(url) #获取图片地址except Exception as e:raise e
第二步:
抓取index,用函数封装写
1、用网页检查拿到1570的html ''''<li><a href="http://www.mmjpg.com/mm/1570" target="_blank">切出来1570这个数字''' #获取http://www.mmjpg.com/mm/1570的index:如:1570,1569 def get_index():#2、获取网页的htmlr = requests.get('http://www.mmjpg.com', headers=headers)r.encoding = 'utf-8'html = r.text#3、etree.HTML():构造了一个XPath解析对象并对HTML文本进行自动修正。#etree.tostring():输出修正后的结果,类型是bytesselector = etree.HTML(html)#4、获取<li><a标签下的内容,[0]取第一个content = selector.xpath('//li/a')[0]#5、继续取href的内容,[0]取第一个:即:http://www.mmjpg.com/mm/1570num = content.xpath('@href')[0]#6、已斜杠为切片,获取不同的字符,即:['http:', '', 'www.mmjpg.com', 'mm', '1570']num = num.split('/')#7、取num最后一个字符,并强制转换成整形num = int(num[-1])#返回所有的index:1570,1569return range(1, num + 1)# for each in range(1,num+1):# print(each)
第三步:
获取翻页的1,2,3
#1、鼠标放到翻页的1上面右键检查,得到以下内容 ''' <div class="page" id="page"><em class="ch preno">没有了</em><em>1</em><a href="/mm/1570/2">2</a><a href="/mm/1570/3">3</a><a href="/mm/1570/4">4</a><a href="/mm/1570/5">5</a><a href="/mm/1570/6">6</a><i></i><a href="/mm/1570/50">50</a><em class="ch all" id="opic" οnclick="openall(1);">全部图片</em><a href="/mm/1570/2" class="ch next">下一张</a></div> ''' def get_page(url):r = requests.get(url, headers=headers)r.encoding = 'utf-8'html = r.textselector = etree.HTML(html)#2、获取所有页:1、2...50、下一页,即获取下面<a>2<a>的2,3,4,5,6...50page = selector.xpath('//div[@id="page"]/a/text()')[-2]
第四步:
获取图片地址
#1、鼠标放到图片上,右键检查,获取以下内容 ''' <div class="content" id="content"><a href="http://www.mmjpg.com/mm/1570/2"><img src="http://fm.shiyunjj.com/2018/1570/1i28.jpg" data-img="http://fm.shiyunjj.com/2018/1570/1i28.jpg" alt="萌味十足的小尤奈雪白胴体相当性感"></a> </div> ''' #通过图片的地址来获取图片 def get_img(url):r = requests.get(url, headers=headers)r.encoding = 'utf-8'html = r.textselector = etree.HTML(html)try:#2、取img标签下的内容content = selector.xpath('//div[@id="content"]/a/img')[0]#3、获取图片url地址img_url = content.xpath('@src')[0]#4、取图片名字title = content.xpath('@alt')[0]#5、 #保存标题和对应的url地址 sav_img(title, img_url) except Exception as e:print('Erro!!!')pass
第六步:
编写__name__
if __name__ == '__main__':indexs = get_index()#reversed()函数是返回序列seq的反向访问的迭代子,因为get_index()返回的是1570,1569,1568这样的序列,反向就是从1568,1569,1570for index in reversed(indexs):main(index)
完整的代码如下:
import requests import os from lxml import etreeheaders = {'Referer': 'http://www.mmjpg.com/mm/','User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.186 Safari/537.36' }#返回当前进程的工作目录 path = os.getcwd() + '\img'def get_index():r = requests.get('http://www.mmjpg.com',headers = headers)r.encoding= 'utf-8'html = r.textselector = etree.HTML(html)content = selector.xpath('//li/a')[0]num = content.xpath('@href')[0]num = num.split('/')num = int(num[-1])return range(1,num+1)def get_page(url):r = requests.get(url,headers=headers)r.encoding = 'utf-8'html = r.textselector = etree.HTML(html)page = selector.xpath('//div[@id="page"]/a/text()')[-2]return (page)def get_img(url):r = requests.get(url,headers=headers)r.encoding = 'utf-8'html = r.textselector = etree.HTML(html)try:content = selector.xpath('//div[@id = "content"]/a/img')[0]img_url = content.xpath('@src')[0]title = content.xpath('@alt')[0]save_img(title,img_url)except Exception as e:print('Erro!!!')passdef save_img(name,url):name = name + '.jpg'if name in os.listdir(path):print('重复文件')else:r = requests.get(url,headers=headers)with open(name,'wb') as f:f.write(r.content)print(name)def main(index):main_url = 'http://www.mmjpg.com/mm/%s'%indexpage = get_page(main_url)if os.path.exists(path)!= True:os.mkdir(path)else:os.chdir(path)for i in range(1,int(page)+1):url = '%s/%s'%(main_url,i)try:get_img(url)except Exception as e:raise eif __name__ == '__main__':index = get_index()for index in reversed(index):main(index)
转载于:https://www.cnblogs.com/frankruby/p/10136727.html
【Python56--爬取妹子图】相关推荐
- python多线程爬取妹子图
python多线程爬取妹子图 python使用版本: 3.7 目的: 自己选择下载目录,逐个将主题图片保存到选定目录下. 效果: 一秒钟左右下载一张图片,下了七八十组图片暂时没什么问题,不放心的话,可 ...
- Python 爬虫入门(二)——爬取妹子图
Python 爬虫入门 听说你写代码没动力?本文就给你动力,爬取妹子图.如果这也没动力那就没救了. GitHub 地址: https://github.com/injetlee/Python/blob ...
- python爬虫-爬妹子图_Python 爬虫入门之爬取妹子图
Python 爬虫入门之爬取妹子图 来源:李英杰 链接: https://segmentfault.com/a/1190000015798452 听说你写代码没动力?本文就给你动力,爬取妹子图.如果 ...
- python爬虫妹子图_Python 爬虫入门(二)——爬取妹子图
Python 爬虫入门 听说你写代码没动力?本文就给你动力,爬取妹子图.如果这也没动力那就没救了. 公众号:[智能制造社区].欢迎关注,分享智能制造与编程那些事. 爬虫成果 当你运行代码后,文件夹就会 ...
- 爬取妹子图(python):爬虫(bs+rq)+ gevent多线程
爬取妹子图(python):爬虫(bs+rq)+ gevent多线程 简介 我观察爬取妹子图算是爬虫专业户必做的事情之一,所以我也做了一个,结果是有3.45GB,49847张图. 打算依靠这个图库做个 ...
- Python 爬取妹子图02
爬取laotuzi.com这个网站的图片 原本想爬的是妹子图这个网站的,结果应该是IP被封了,用电脑连接WiFi访问不了这个网站,我以为是断网了,但访问其他网站有能正常访问,用手机流量访问妹子图网站, ...
- python3 + scrapy爬取妹子图(meizitu.com)
前言 在学会scrapy之前,都是用requests + BeautifulSoup + lxml来爬取的,这样也能爬到想要的东西,但缺点是代码有些乱,可能需要自己对项目进行梳理归类.而scrapy框 ...
- Python爬虫 - scrapy - 爬取妹子图 Lv1
0. 前言 这是一个利用python scrapy框架爬取网站图片的实例,本人也是在学习当中,在这做个记录,也希望能帮到需要的人.爬取妹子图的实例打算分成三部分来写,尝试完善实用性. 系统环境 Sys ...
- Scrapy 实战之爬取妹子图
阅读文本大概需要 10 分钟. 很多人说爬虫这门技术非常有趣,但不知道如何入门.其实爬虫入门非常简单,难的部分在于各大网站的反爬机制.当然对于一些简单的网站,还是非常容易爬取. 学习爬虫首先要明确你的 ...
- python项目-爬取妹子图
最近在学爬虫,写了一个爬取妹子图片 功能:自动下载妹子图,并自动命名 网址:http://www.netbian.com/meinv/ #!/usr/bin/env python # -*- codi ...
最新文章
- 【ARM-Linux开发】【CUDA开发】【深度学习与神经网络】Jetson Tx2安装相关之二
- matlab光滑曲线连接散点图
- 画活动图教程_绘画教程116—传统的山水现代的刀画,看了就会的步骤图
- linux grep 显示多行信息
- python基础_格式化输出(%用法和format用法)(转载)
- leetcode 309. Best Time to Buy and Sell Stock with Cooldown | 309. 最佳买卖股票时机含冷冻期(动态规划)
- 使用Json让Java和C#沟通的方法
- 将Win10包含中文的用户名改为英文的,解决Anaconda navigator无法运行jupyter的问题
- phpstorm 2017.1 激活
- pku 2387 Til the Cows Come Home
- (完整版)原因可能是堆被损坏,这也说明 中或它所加载的任何DLL 中有bug】的解决
- mysql将日期转换年份_mysql将日期转换为当前年份的相同日期
- 【物联网】NB-IoT和LoRa技术简介
- m-bom,p-bom,e-bom 这是什么意思
- 多项式拟合缺点_常见算法优缺点
- 做项目与做产品的区别详解
- matlab 画多边形,[转载]matlab多边形绘制
- 美国访问学者J1签证申请材料准备
- Mybatis源码解析——入门级
- 程序员如何做副业?35岁前,千万别让死工资绊住你赚钱的步伐