首页 编程教程正文

爬取某图片网站

piaodoo 编程教程 2020-02-22 22:08:56 1002 0 python教程

本文来源吾爱破解论坛

应坛友雷晨 要求写的,先上图:

QQ截图20190719143027.png (151.83 KB, 下载次数: 1)

下载附件  保存到相册

2019-7-19 14:39 上传




没有全部爬完,因为太多了- -


QQ截图20190719143102.png (33.8 KB, 下载次数: 1)

下载附件  保存到相册

2019-7-19 14:39 上传



QQ截图20190719143110.png (41.41 KB, 下载次数: 1)

下载附件  保存到相册

2019-7-19 14:39 上传


QQ截图20190719143124.png (84.4 KB, 下载次数: 1)

下载附件  保存到相册

2019-7-19 14:39 上传


QQ截图20190719143942.png (239.47 KB, 下载次数: 1)

下载附件  保存到相册

2019-7-19 14:41 上传



最后附上代码:

[Python] 纯文本查看 复制代码
import requests
from lxml import etree
import re
import os
from multiprocessing.dummy import Pool as ThreadPool

def gethtml(url,encode): #获取网页源码
    r = requests.get(url)
    r.encoding = encode
    return r.text

def filterFName(FName): #文件名过滤特殊字符
    rstr = r"[\/\\\:\*\?\"\<\>\|]"
    new_name = re.sub(rstr, "_", FName)
    return new_name

def mkdir(path): #创建文件夹
    path = path.strip()
    isExists = os.path.exists(path)
    if not isExists:
        os.makedirs(path)

def geturl(url): #获取网站各个分类链接、分类名称
    html = gethtml(url,'utf-8')
    ehtml = etree.HTML(html)
    nurl = ehtml.xpath('//*[@id="chenxing_menu"]/li/a/@href')
    ntitle = ehtml.xpath('//*[@id="chenxing_menu"]/li/a/text()')
    urldata=[]
    for i in range(1,len(nurl)-1):
        urldata.append(nurl[i]+'|'+ntitle[i])
    return urldata

def downPic(url,savepath):  #下载图片
    picname=url.split('/')[-1]
    print('download: ' + url)
    picdata = requests.get(url)
    with open(savepath + picname, 'wb') as file:
        file.write(picdata.content)

def getdata(ulist): #根据网站分类链接、名称进一步解析  这段代码是下载图片主体代码
    url = ulist.split('|')[0]
    til = ulist.split('|')[1]
    html = gethtml(url,'utf-8')
    ehtml = etree.HTML(html)
    count = ''.join(ehtml.xpath('//*[@class="more r"]/em/text()'))
    page = int(count) // 20
    if int(count) % 20 > 0 :
        page+=1
    for i in range(1,page+1):#获取各分类下面所有图集链接
        nurl = url+'page/'+str(i)
        html = gethtml(nurl, 'utf-8')
        ehtml = etree.HTML(html)
        lvurl = ehtml.xpath('//*[@class="img"]/@href')
        for j in lvurl:  #获取每个图集页数和链接
            html = gethtml(j, 'utf-8')
            ehtml = etree.HTML(html)
            lvurl = ''.join(ehtml.xpath('//*[@id="imagecx"]/h1/span/text()'))  # 获取图集页数
            title = ''.join(ehtml.xpath('//*[@id="imagecx"]/h1/text()'))  #获取图集名称
            title = title.replace('()','')
            lvurl = lvurl.replace('1/','')
            path = savepath+'\\'+til+'\\'+filterFName(title)+'\\'
            mkdir(path)
            for k in range(1,int(lvurl)):  #获取每个图集页面的图片
                zurl = j.replace('.html','_'+str(k)+'.html')
                html = gethtml(zurl,'urf-8')
                ehtml = etree.HTML(html)
                picurl = ehtml.xpath('//*[@class="image_cx_cont"]/img/@src')
                for l in picurl:
                    downPic(l,path) #下载图片

if __name__ == '__main__':
    url = 'http://mzsock.com'
    savepath='C:\\mzsock'   #保存位置
    urllist=geturl(url)
    pool = ThreadPool(4)
    results = pool.map(getdata, urllist)
    pool.close()
    pool.join()
    print('任务全部完成~!')



至于教程什么的,后面有时间再说嗨学网

版权声明:

本站所有资源均为站长或网友整理自互联网或站长购买自互联网,站长无法分辨资源版权出自何处,所以不承担任何版权以及其他问题带来的法律责任,如有侵权或者其他问题请联系站长删除!站长QQ754403226 谢谢。

有关影视版权:本站只供百度云网盘资源,版权均属于影片公司所有,请在下载后24小时删除,切勿用于商业用途。本站所有资源信息均从互联网搜索而来,本站不对显示的内容承担责任,如您认为本站页面信息侵犯了您的权益,请附上版权证明邮件告知【754403226@qq.com】,在收到邮件后72小时内删除。本文链接:https://www.piaodoo.com/7692.html

搜索