编了一套爬虫美女图的一组代码，请大神指点一二；

Posted 2021-02-01 pytest

# -*- 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()