python数据挖掘批量爬取站长之家的图片

Posted 2021-03-07 lomtom

概述：

站长之家的图片爬取
使用BeautifulSoup解析html
通过浏览器的形式来爬取,爬取成功后以二进制保存，保存的时候根据每一页按页存放每一页的图片

第一页：http://sc.chinaz.com/tupian/index.html
第二页：http://sc.chinaz.com/tupian/index_2.html
第三页：http://sc.chinaz.com/tupian/index_3.html
以此类推，遍历20页

源代码

# @Author: lomtom
# @Date:   2020/2/27 14:22
# @email: [e-mail]

# 站长之家的图片爬取
# 使用BeautifulSoup解析html
# 通过浏览器的形式来爬取,爬取成功后以二进制保存

# 第一页：http://sc.chinaz.com/tupian/index.html
# 第二页：http://sc.chinaz.com/tupian/index_2.html
# 第三页：http://sc.chinaz.com/tupian/index_3.html
# 遍历14页

import os
import requests
from bs4 import BeautifulSoup

def getImage():
    url = ""
    for i in range(1,15):
        # 创建文件夹,每一页放进各自的文件夹
        download = "images/%d/"%i
        if not os.path.exists(download):
            os.mkdir(download)
        # url
        if i ==1:
            url = "http://sc.chinaz.com/tupian/index.html"
        else:
            url = "http://sc.chinaz.com/tupian/index_%d.html"%i
        #发送请求获取响应，成功状态码为200
        response = requests.get(url)
        if response.status_code == 200:
            # 使用bs解析网页
            bs = BeautifulSoup(response.content,"html5lib")
            # 定位到图片的div
            warp = bs.find("div",attrs={"id":"container"})
            # 获取img
            imglist = warp.find_all_next("img")
            for img in imglist:
                # 获取图片名称和链接
                title = img["alt"]
                src = img["src2"]
                # 存入文件
                with open(download+title+".jpg","wb") as file:
                    file.write(requests.get(src).content)
            print("第%d页打印完成"%i)

if __name__ == \'__main__\':
    getImage()

效果图

---

作者

1、作者个人网站
2、作者CSDN
3、作者博客园
4、作者简书