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')

 

转载于:https://www.cnblogs.com/DOLFAMINGO/p/9166435.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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