Python爬虫 —— 抓取美女图片
代码如下:
- #coding:utf-8
- # import datetime
- import requests
- import os
- import sys
- from lxml import etree
- import codecs
- class Spider:
- def __init__(self):
- self.headers = {}
- self.headers['User_Agent'] = 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:60.0) Gecko/20100101 Firefox/60.0'
- self.headers['Referer'] = 'http://www.mzitu.com/all/'
- def crawl(self, root_url):
- html_text = requests.get(root_url,headers=self.headers).text
- html_tree = etree.HTML(html_text)
- groups = html_tree.xpath("//div[@class='main-content']//ul[@class='archives']//a")
- count = 0
- print "开始抓取:"
- for group in groups:
- title = group.text
- groupUrl = group.get('href')
- print "正在抓取组图:"+title
- dirpath = self.makDir(title) #获取标题,并以标题为名字创建文件夹
- self.getGroup(groupUrl,dirpath) #
- count = count+1
- if count>=5:
- print "抓取完成……"
- os._exit(0)
- def makDir(self,dirname):
- dirpath = os.path.join(u'E:\学习资料',dirname)
- if not os.path.exists(dirpath):
- os.makedirs(dirpath)
- return dirpath
- def getGroup(self,groupUrl,dirpath):
- self.headers['Referer'] = groupUrl
- html_text = requests.get(groupUrl, headers=self.headers).text
- html_tree = etree.HTML(html_text)
- maxPage = html_tree.xpath("//div[@class='pagenavi']//span")[-2].text #获取改组图的张数
- for page in range(1,int(maxPage)+1): #获取每一张图的所在页面
- pageUrl = groupUrl + '/' + str(page) #拼接页面url
- self.getPage(pageUrl,page,dirpath) #访问该页面
- def getPage(self, pageUrl,page,dirpath):
- self.headers['Referer'] = pageUrl
- page_text = requests.get(pageUrl, headers=self.headers).text #请求该图所在的页面
- page_tree = etree.HTML(page_text)
- imageurl = page_tree.xpath("//div[@class='main-image']//img")[0].get('src') #获取图片url
- image = requests.get(imageurl, headers=self.headers).content #请求获取图片
- self.saveImage(image,page,dirpath)
- def saveImage(self,image,page,dirpath):
- imagepath = os.path.join(dirpath, str(page) + u'.jpg')
- file = codecs.open(imagepath, 'wb')
- file.write(image)
- file.close()
- if __name__ == '__main__':
- reload(sys)
- sys.setdefaultencoding('utf-8')
- Mzitu = Spider()
- Mzitu.crawl('http://www.mzitu.com/all')
Python爬虫 —— 抓取美女图片的更多相关文章
- Python爬虫 —— 抓取美女图片(Scrapy篇)
杂谈: 之前用requests模块爬取了美女图片,今天用scrapy框架实现了一遍. (图片尺度确实大了点,但老衲早已无恋红尘,权当观赏哈哈哈) Item: # -*- coding: utf-8 - ...
- python 爬虫抓取心得
quanwei9958 转自 python 爬虫抓取心得分享 urllib.quote('要编码的字符串') 如果你要在url请求里面放入中文,对相应的中文进行编码的话,可以用: urllib.quo ...
- Python3简单爬虫抓取网页图片
现在网上有很多python2写的爬虫抓取网页图片的实例,但不适用新手(新手都使用python3环境,不兼容python2), 所以我用Python3的语法写了一个简单抓取网页图片的实例,希望能够帮助到 ...
- Python爬虫----抓取豆瓣电影Top250
有了上次利用python爬虫抓取糗事百科的经验,这次自己动手写了个爬虫抓取豆瓣电影Top250的简要信息. 1.观察url 首先观察一下网址的结构 http://movie.douban.com/to ...
- Python爬虫抓取东方财富网股票数据并实现MySQL数据库存储
Python爬虫可以说是好玩又好用了.现想利用Python爬取网页股票数据保存到本地csv数据文件中,同时想把股票数据保存到MySQL数据库中.需求有了,剩下的就是实现了. 在开始之前,保证已经安装好 ...
- python爬虫-爬取百度图片
python爬虫-爬取百度图片(转) #!/usr/bin/python# coding=utf-8# 作者 :Y0010026# 创建时间 :2018/12/16 16:16# 文件 :spider ...
- Python 爬虫: 抓取花瓣网图片
接触Python也好长时间了,一直没什么机会使用,没有机会那就自己创造机会!呐,就先从爬虫开始吧,抓点美女图片下来. 废话不多说了,讲讲我是怎么做的. 1. 分析网站 想要下载图片,只要知道图片的地址 ...
- python爬虫抓取哈尔滨天气信息(静态爬虫)
python 爬虫 爬取哈尔滨天气信息 - http://www.weather.com.cn/weather/101050101.shtml 环境: windows7 python3.4(pip i ...
- python+requests抓取页面图片
前言: 学完requests库后,想到可以利用python+requests爬取页面图片,想到实战一下.依照现在所学只能爬取图片在html页面的而不能爬取由JavaScript生成的图片,所以我选取饿 ...
随机推荐
- 简单实现接口自动化测试(基于python+unittest)
简单实现接口自动化测试(基于python+unittest) 简介 本文通过从Postman获取基本的接口测试Code简单的接口测试入手,一步步调整优化接口调用,以及增加基本的结果判断,讲解Pytho ...
- 软件业的发展方向:云、Web以及App
随着行业互联网的发展,未来的软件发展方向是云技术.Web软件以及基于移动设备的Apps. 桌面软件主要负责大型的计算.渲染和消耗非常大CPU和内存的图形软件,以及基于这些软件的二次开发软件如Revit ...
- js 扩展replaceAll
//扩展replaceAll; String.prototype.replaceAll = function(s1,s2) { return this.replace(new RegExp(s1,&q ...
- 应用程序之UITableView的编辑模式
cell分层结构 效果展示 代码实现 一.cell的分层结构 二.效果展示 三.代码实现 // // ViewController.m // 01-TableView的删除实现 // // Creat ...
- Mjpg_Streamer 的移植
1. 移植mjpg-streamer a.1 移植libjpeg tar zxf libjpeg-turbo-1.2.1.tar.gz cd libjpeg-turbo-1.2.1 ./configu ...
- Log4net日志记录、详细配置(自己使用>)
log4net库是Apache log4j框架在Microsoft.NET平台的实现,是一个帮助程序员将日志信息输出到各种目标(控制台.文件.数据库等)的工具 1.首先添加对log4net.dll的引 ...
- C语言重要概念汇总
作者:郭孝星 微博:郭孝星的新浪微博 邮箱:allenwells@163.com 博客:http://blog.csdn.net/allenwells Github:https://github.co ...
- idea设置自定义图片
看图操作哈: 1. 2. 逼格满满:
- C语言高速入门系列(四)
C语言高速入门系列(四) C语言数组 ---------转载请注明出处:coder-pig 贴心小提示:假设图看不清晰可右键另存为,应该就非常清晰了; 注意上面的代码都要自己过一遍哦! 本节引言: 经 ...
- JS加水印遮罩
<%@ page language="java" pageEncoding="utf-8"%> <!DOCTYPE HTML PUBLIC & ...