编了一套爬虫美女图的一组代码,请大神指点一二;
Posted pytest
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了编了一套爬虫美女图的一组代码,请大神指点一二;相关的知识,希望对你有一定的参考价值。
# -*- coding: utf-8 -*-
#coding=utf-8
#_author_=‘Lucky‘;
#date: 2018/12/19
import os
import re
import requests
from lxml import etree
from bs4 import BeautifulSoup
def get_main():#定义最外层的函数
for result in range(200):#因为目录有175页,所以定义这个区间
if result ==0:
url = f"http://www.mm131.com/xinggan"
else:
url = f"http://www.mm131.com/xinggan/list_6_{result}.html"#发现规律地址都是后面加_数字
res = requests.get(url)#请求上面网址返回给变量res
print(res)
res.encoding = res.apparent_encoding # 将变量进行编码转换 没有实际意义
soup = BeautifulSoup(res.text, "lxml") # 解析后的内容给soup对象
tr_soup = soup.find_all("dd")#发现目录主图都是在dd标签下面
# print(tr_soup)
get_url(tr_soup,result)#调用下面的函数 传的参数是上面筛选出来的 dd标签中的内容
def get_url(defaul,res):#目录中的二层url地址生成
for i in defaul:
if i.find("a"):#查找a标签下的所有内容
text = i.get_text()#如果找到就提取文本到前面变量
print(text)
link = i.find("a").get("href")#将标签a下面href的值url单独给变量link列表
print(link)
if ‘html‘ in link:#尤其注意这里,为了防止爬到的地址不存在html字符串,(也就是说爬的地址不是图片url地址)加次条件
link_re = ‘/.+?.‘ # 先定义个正则表达式,为了后面做url拼接使用,实际是找出这个表达式的值
end_link = re.compile(link_re) # 编译上面的表达式后才能被python识别
end_url = re.findall(end_link, link) # 找出link中符合正则表达的内容
print(‘end_url=‘, end_url)
new = end_url[1].strip(‘.‘) # end_url[1]的值中有个.在拼接url时无法拼接,故用strip删除
for num in range(2, 55): # 每个目录下基本上都是存在55个子图片,故用区间
end2_link = new + ‘_%d‘ % num # 字符串拼接
web = (‘http://www.mm131.com‘ + end2_link + ‘.html‘) # 形成要访问的url
print(web)
get_endurl(web, num, text)
def get_endurl(web, no, text):#末端请求Url和图片保存写入
headers = {
‘Referer‘: f‘{web}‘,
‘User-Agent‘: ‘Mozilla/5.0(Windows NT 10.0; Win64; x64) AppleWebKit/537.36(KHTML, like Gecko) Chrome/70.0.3538.110 Safari/537.36‘
}#请求头
res = requests.get(web)#访问对应Url,返回信息到res
result = etree.HTML(res.content)#通过etree.HTML的函数讲res进行解析,这样才能通过xpath来找到图片
# print(etree.tostring(result).decode("utf-8"))
img_list = result.xpath("//div[@class=‘content-pic‘]/a/img/@src")#将所有@src图片地址放到列表中
print(img_list)
for img in img_list:#遍历上面的列表
rimage = requests.get(img, headers=headers)#将每次遍历到的图片src,返回给rimage
with open(f‘img2/{text}_{no}.jpg‘, ‘wb‘) as f:#打开Img文件夹保存定义的文件名,
f.write(rimage.content)
if __name__ == ‘__main__‘:
get_main()
以上是关于编了一套爬虫美女图的一组代码,请大神指点一二;的主要内容,如果未能解决你的问题,请参考以下文章
MATLAB/Simulink仿真时出现下边错误 这是哪里出错了啊 不太懂 求大神指点一二 不胜感激
最近写了一个红包雨的小功能,但感觉自己的js还有很多地方可以提高,望大神们可以帮忙指点一二