爬虫_xpath_爬取站长素材照片

查看网页源码照片的具体路径

import urllib.request
from lxml import etree


# https://sc.chinaz.com/tupian/meinvtupian.html
# https://sc.chinaz.com/tupian/meinvtupian_2.html




def create_request(page):
    url = 'https://sc.chinaz.com/tupian/meinvtupian.html'

    if page != 1:
        url='https://sc.chinaz.com/tupian/meinvtupian_'+str(page)+'.html'

    headers={'user-agent':
                             'Mozilla/5.0 (Windows NT 10.0; Win64; x64) '
                             'AppleWebKit/537.36 (KHTML, like Gecko) Chrome/129.0.0.0 Safari/537.36'
}
    request = urllib.request.Request(url=url, headers=headers)
    return request


def get_content(request):
    response = urllib.request.urlopen(request)
    content = response.read().decode('utf-8')
    return content

def down_load(content):
    tree=etree.HTML(content)
    src_list = tree.xpath('//div[@class="container"]/div/div/img/@data-original')

    name_list = tree.xpath('//div[@class="container"]/div/div/img/@alt')
    for i in range (len(src_list)):
        urllib.request.urlretrieve('https:'+src_list[i], '.\datas\站长素材\\'+name_list[i]+'.jpg')


if __name__ == '__main__':
    start_page=int(input("请输入起始页码:"))
    end_page=int(input("请输入结束页码:"))

    for page in range(start_page,end_page+1):
        # 请求对象定制
        request=create_request(page)
        #获取网页源码
        content = get_content(request)
        #下载照片
        down_load(content)

照片地址为@data-original是因为有懒加载

下载完毕

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值