我的第一个python爬虫程序

Posted WQZ321123

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了我的第一个python爬虫程序相关的知识,希望对你有一定的参考价值。

程序用来爬取糗事百科上的图片的,程序设有超时功能,具有异常处理能力

下面直接上源码:

#-*-coding:utf-8-*-

‘‘‘
Created on 2016年10月20日

@author: audi
‘‘‘

import urllib2
import re
from bs4 import BeautifulSoup

import sys
reload(sys)
sys.setdefaultencoding(‘utf-8‘)

count = 0
path = "pic/tupian"
headers = {  
           ‘User-Agent‘:‘Mozilla/5.0 (Windows; U; Windows NT 6.1; en-US; rv:1.9.1.6) Gecko/20091201 Firefox/3.5.6‘  
        }
for x in range(1,10):
    temp_url = "http://www.qiushibaike.com/imgrank/page/%d"%x
    req = urllib2.Request(  
            url = temp_url,
            headers = headers
            )
    try:
        data = urllib2.urlopen(req,timeout=10).read()
    except:
        print "打开页面链接超时!!!!"
        continue
    else:
        print "打开页面成功,开始解析数据。。"
        soup=BeautifulSoup(data,‘html.parser‘,from_encoding=‘utf-8‘)
#         图片链接的div标签格式
#         <div class="thumb">
#             <a href="/article/117795261" target="_blank">
#                 <img src="http://pic.qiushibaike.com/system/pictures/11779/117795261/medium/app117795261.jpg" alt="我想变成妈妈的眼睛,这样我就可以一直粘在妈妈的身上">
#             </a>
#         </div>  
#         查询所有图片所在的div标签内容
        content = soup.find_all(‘div‘,class_ = ‘thumb‘)   #(jpg|JPG|jpeg) 
#         links集合存放最终的图片的链接
        links = set()
#         再次过滤以获得图片的链接
        for i in content:
            temp_link = i.find_all(‘a‘,href=re.compile(r"/article/\d"))
            temp_linnk = temp_link[0].find(‘img‘,src=re.compile(r"\.(jpg|JPG|jpeg)"))
            temp_linnk = temp_linnk[‘src‘]
            links.add(temp_linnk)
        
        for link in links:
            try:
                picData = urllib2.urlopen(link,timeout=3).read()
            except:
                print "当前子链接打开失败。。"
                continue
            else:
                file_name = path + str(count) + ‘.jpg‘
                count +=1
                f = file(file_name,"wb") 
                f.write(picData)
                f.close()
                print "爬取第" + str(count) + "个链接" + link
                
print "恭喜你,爬取图片结束!!!!!!!!!!!!"
    
    
    
    
    
    
    

  

以上是关于我的第一个python爬虫程序的主要内容,如果未能解决你的问题,请参考以下文章

Python练习册 第 0013 题: 用 Python 写一个爬图片的程序,爬 这个链接里的日本妹子图片 :-),(http://tieba.baidu.com/p/2166231880)(代码片段

Python项目之我的第一个爬虫----爬取豆瓣图书网,统计图书数量

scrapy按顺序启动多个爬虫代码片段(python3)

scrapy主动退出爬虫的代码片段(python3)

我的第一个Python爬虫——谈心得

我的第一个的python抓取 单页面爬虫