python3 简单爬虫

爬取虎牙直播分类页面的主播的头像，名字，人气

今天学习了python3爬虫，上课闲着无聊，自己写了一个爬虫

就顺着老师思路

爬了虎牙直播分类页面的主播，头像，名字，和人气

HuYaCateScrapy.py

 #!/usr/bin/python
 # -*- coding: utf-8 -*-
 
 """
  @ author:  happy_code
  @ contact: happy_code@foxmail.com
  @ software: 爬虫
  @ desc: 获取虎牙直播类页面主播名和人气,下载头像，并以名字和人气命名
 """
 
 import urllib
 import requests
 import re
 import os
 
 class Spider:
 
     # 目标url
     url = ""
 
     # 保存地址
     myrobot = "D:/scinfo/"
 
     # 获取的主播名和人气，头像
     part = '<span class="txt">\s*' \
         '\s*<span class="avatar fl">\s*' \
             '\s*<img.*data-original="(.*?)".*>\s*' \
             '\s*<i.*>(.*?)</i>\s*' \
         '\s*</span>\s*' \
                 '\s*<span.*><i.*></i><i class="js-num">(.*?)</i></span>\s*' \
     '\s*</span>'
 
     def __init__(self, url):
         self.url = url
 
     # 获取网站源代码
     def gethtml(self):
         res = requests.get(self.url)
         res.encoding = "UTF-8"
         return res.text
 
     # 获得信息
     def gethtmlinfo(self):
         html = self.gethtml()
         all = re.findall(self.part, html)
         return all
 
     # 下载图片,保存到myrobot下, 可以自定义文件名,哈哈重复下载保证成功(最多3次)
     def downloadimg(self, url, name=None):
         ok = 0
         for i in range(3):
             try:
                 if name != None:
                     path = self.myrobot + name + "." +url.split('.')[-1]
                 else:
                     path = self.myrobot + url.split('/')[-1]
                 url = url.replace('\\', '')
                 r = requests.get(url, timeout=30)
                 r.raise_for_status()
                 r.encoding = r.apparent_encoding
                 if not os.path.exists(self.myrobot):
                     os.makedirs(self.myrobot)
                 if not os.path.exists(path):
                     with open(path, 'wb') as f:
                         f.write(r.content)
                         f.close()
                         print(path + ' 文件保存成功')
                         ok = 1
                 else:
                     print('文件已经存在')
             except:
                 print("异常")
                 continue
 
             if ok == 1:
                 break
 
     # 保存信息
     def saveinfo(self, data):
         for i in data:
             s.downloadimg(i[0], i[1]+"-"+str(i[2]));
 
 if __name__ == "__main__":
     # lol分类的url
     s = Spider("https://www.huya.com/g/lol")
     data = s.gethtmlinfo()
     s.saveinfo(data)

只需要在main中给出分类页面的url即可

然后呢，修改一下保存路径就好了

结果如下: