本文来源吾爱破解论坛
本帖最后由 香谢枫林 于 2020-1-3 15:09 编辑
初学Python3，看到一个美图网站，顺手写了一个脚本，自动爬取网站套图存取MySQL数据库中。
准备工作：
1、MySQL建表，共计3个：存套图集信息、存套图集下的套图信息、存套图下的图片信息
第一个表：ttb_atlas
ID int 主键，自增 AtlasName varchar 套图集名称 AtlasUrl varchar 套图集链接地址
第二个表：ttb_album
ID int 主键，自增 AtlasName varchar 套图集名称 AlbumName varchar 套图名称 AlbumUrl varchar 套图链接地址 AlbumPicUrl varchar 套图预览照片链接 AlbumPicDate date 套图日期
第三个表：ttb_photo
ID int 主键，自增 AlbumNamevarchar套图名称 PhotoNamevarchar图片名称 PhotoUrl varchar图片链接地址
2、创建主函数程序ttb_lk.py（注：程序调试好后执行该程序就行，这个函数是入口，另外2个是被调用的）
[Python] 纯文本查看 复制代码
#!/usr/local/Cellar/python/3.7.1/bin
# -*- coding: UTF-8 -*-
import sys
sys.path.append("/Python")
import conf.ttb_manage as myconf
import conf.mysql_db as mysqldb
home_url = 'https://www.192td.com'
def main():
#第一步：将首页套图集索引插入数据库
myconf.get_home_atlas(home_url)
#第二步：获取每个套图集的每套图信息，包括：套图名称、套图链接、套图页数
db = mysqldb.Database()
sql = 'select * from ttb_atlas'
results = db.fetch_all(sql)
for row in results:
myconf.get_atlas_album(row['AtlasName'], row['AtlasUrl'])
print(row)
db.close()
#第三步：获取每套图的图片信息，包括：图片名称、图片链接
db = mysqldb.Database()
sql = 'select * from ttb_album'
results = db.fetch_all(sql)
for row in results:
myconf.get_album_photo(row['AlbumName'], row['AlbumUrl'])
db.close()
if __name__ == '__main__':
main()3、创建程序ttb_manage.py
[Python] 纯文本查看 复制代码
#!/usr/local/Cellar/python/3.7.1/bin
# -*- coding: UTF-8 -*-
import sys,requests,re,time,threading
from bs4 import BeautifulSoup
sys.path.append("/Python")
import conf.mysql_db as mysqldb
#======================================================
#获取首页套图集信息
def get_home_atlas(home_url):
# html = open("ttb.html", "r").read()
html = get_html(home_url)
soup = BeautifulSoup(html, "lxml")
db = mysqldb.Database()
try:
for ul in soup.find_all(class_ = 'childnav'):
for li in ul:
sql = "insert into ttb_atlas(AtlasName,AtlasUrl) values('%s','%s')"%(li.string,li.a['href'])
db.execute(sql)
except Exception:
print(Exception)
db.close()
return True
#获取套图集下的套图信息:1
def get_atlas_album(AtlasName,AtlasUrl):
# 第一步：获取套图的信息：套图页数、每页套图链接
html = get_html(AtlasUrl)
soup = BeautifulSoup(html, "lxml")
#获取套图集页数
link = soup.find('a',string='尾页').get('href')
pages = int(re.findall('_(\d+).html',link,re.S)[0])
#获取套图集每页的链接
for page in range(pages,0,-1):
if page == 1 :
Page_Url = AtlasUrl
print(AtlasName + ' URL:' + Page_Url)
get_atlas_album_html(AtlasName,AtlasUrl,Page_Url)
else:
Page_Url = AtlasUrl +'index_' + str(page) + '.html'
print(AtlasName + ' URL:' + Page_Url)
get_atlas_album_html(AtlasName,AtlasUrl,Page_Url)
time.sleep(1)
return True
#获取套图集下的套图信息:2
def get_atlas_album_html(AtlasName,AtlasUrl,Page_Url):
# 第二步：获取每页套图集信息：套图名称、套图链接、封面图片
html = get_html(Page_Url)
soup = BeautifulSoup(html, "lxml")
db = mysqldb.Database()
for ul in soup.find(class_='clearfix'):
try:
AlbumUrl = AtlasUrl + re.findall('\/(\w+.html)',ul.a['href'],re.S)[0]
AlbumPicDate = ul.b.string
AlbumName = ul.span.string
AlbumPicUrl = ul.img['lazysrc']
sql = "insert into ttb_album(AtlasName,AlbumName,AlbumUrl,AlbumPicUrl,AlbumPicDate) values('%s','%s','%s','%s','%s')"%(AtlasName,AlbumName,AlbumUrl,AlbumPicUrl,AlbumPicDate)
db.execute(sql)
print(AlbumName + ' URL:' + AlbumUrl + ' 插入成功！')
except Exception:
print(Exception)
db.close()
return True
#获取套图下的每套图片信息
def get_album_photo(AlbumName,AlbumUrl):
html = fread('ttb.html')
soup = BeautifulSoup(html, "lxml")
#获取第一页的图片信息与套图页数，将第一页信息插入数据库
PhotoName = soup.img['alt']
PhotoUrl = soup.img['lazysrc']
PhtoNum = soup.find('span', id='allnum').get_text()
db = mysqldb.Database()
sql = "insert into ttb_photo(AlbumName,PhotoName,PhotoUrl) values('%s','%s','%s')" % (AlbumName, PhotoName, PhotoUrl)
db.execute(sql)
print("第1张：" + PhotoName + ' URL:' +PhotoUrl)
db.close()
# 获取后面页数的图片信息，插入数据库
for i in range(2, int(PhtoNum) + 1):
url = AlbumUrl[:-5] + "_" + format(i) + ".html"
th = threading.Thread(target=get_img_insert, args=(i,AlbumName,url))
# ts.append(th)
th.start()
time.sleep(0.5)
return True
#插入图片信息
def get_img_insert(i,AlbumName,url):
html = get_html(url)
# html = fread('ttb.html')
soup = BeautifulSoup(html, "lxml")
PhotoName = soup.img['alt']
PhotoUrl = soup.img['lazysrc']
db = mysqldb.Database()
print("第"+ format(i) +"张：" + PhotoName + ' URL:' +PhotoUrl)
sql = "insert into ttb_photo(AlbumName,PhotoName,PhotoUrl) values('%s','%s','%s')"%(AlbumName,PhotoName,PhotoUrl)
db.execute(sql)
db.close()
return
#======================================================
#获取网页信息，得到的html就是网页的源代码，传url，返回html
def get_html(url):
headers = {
'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9',
'Accept - Encoding': 'gzip, deflate, br',
'Accept-Language': 'zh-CN,zh;q=0.9',
'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.79 Safari/537.36',
}
resp = requests.get(url,headers=headers)
resp.encoding='utf-8'
html = resp.text
return html4、创建程序mysql_db.py(注意修改mysql连接的参数)
[Python] 纯文本查看 复制代码
#!/usr/local/Cellar/python/3.7.1/bin
# -*- coding: UTF-8 -*-
import mysql.connector
import logging
# 加入日志
# 获取logger实例
logger = logging.getLogger("dbSql")
# 指定输出格式
formatter = logging.Formatter('%(asctime)s%(levelname)-8s:%(message)s')
#数据库操作类
class Database:
# 构造函数
def __init__(self):
self._dbhost = 'localhost' # 数据库主机地址
self._dbuser = 'root' # 数据库用户名
self._dbpassword = 'root' # 数据库密码
self._dbname = 'lk' # 数据库名称
self._dbcharset = 'utf8' # 数据库编码
self._conn = self.connectMysql()
if (self._conn):
self._cursor = self._conn.cursor()
# 数据库连接
def connectMysql(self):
conn =False
try:
# self._conn = mysql.connector.connect(
conn = mysql.connector.connect(
host=self._dbhost,
user=self._dbuser,
passwd=self._dbpassword,
database=self._dbname,
charset=self._dbcharset,
)
except Exception:
# self._logger.error("connect database failed, %s" % data)
logger.error("connect database failed!")
conn =False
# self._cursor = self._conn.cursor()
return conn
# 直接执行SQL语句
def execute(self, sql):
flag = False
if (self._conn):
try:
self._cursor.execute(sql)
self._conn.commit()
flag = True
except Exception:
flag = False
logger.warning("update database exception SQL=" + sql)
return flag
# 查询所有数据，带字段名
def fetch_all(self, sql):
result = ''
if (self._conn):
try:
self._cursor = self._conn.cursor(dictionary=True)
self._cursor.execute(sql)
result = self._cursor.fetchall()
except Exception:
result = False
logger.warning("query database exception SQL=" + sql)
return result
# 查询所有数据，不带字段名
def fetchall(self, sql):
result = ''
if (self._conn):
try:
self._cursor.execute(sql)
result = self._cursor.fetchall()
except Exception:
result = False
logger.warning("query database exception SQL=" + sql)
return result
# 查询一条数据，带字段名
def fetch_one(self, sql):
result = ''
if (self._conn):
try:
self._cursor = self._conn.cursor(dictionary=True)
self._cursor.execute(sql)
result = self._cursor.fetchone()
except Exception:
result = False
logger.warning("query database exception SQL=" + sql)
return result
# 查询一条数据，不带字段名
def fetchone(self, sql):
result = ''
if (self._conn):
try:
self._cursor.execute(sql)
result = self._cursor.fetchone()
except Exception:
result = False
logger.warning("query database exception SQL=" + sql)
return result
# 关闭数据库连接
def close(self):
# 如果数据打开，则关闭；否则没有操作
if (self._conn):
try:
if (type(self._cursor) == 'object'):
self._cursor.close()
if (type(self._conn) == 'object'):
self._conn.close()
except Exception:
# self._logger.warn("close database exception, %s,%s,%s" % (data, type(self._cursor), type(self._conn)))
logger.warning("close database exception,%s,%s" % ( type(self._cursor), type(self._conn)))
return True我已将调试的源代码和数据库创建脚本打包（密码：52pojie）：
ttb美图网盘爬取代码.rar
(5.48 KB, 下载次数: 36)
2019-12-27 18:52 上传
点击文件名下载附件
下载积分: 吾爱币 -1 CB
最后放上一张预览图
2019-12-27_18-54-05.jpg (99.87 KB, 下载次数: 0)
下载附件 保存到相册
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。
- 上一篇： 【Python爬虫】爬取古诗词，按类别采集
- 下一篇： 美女图片爬虫实战--轻松爬取几万张美女图片
