爬小草




 1 import requests
 2 from bs4 import BeautifulSoup as bs
 3 import re
 4 import os
 5 import socket
 6 import time
 7 import threading
 8 
 9 
10 def url_open(url):
11     socket.setdefaulttimeout(20)
12     headers = {
13         'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/57.0.2987.98 Safari/537.36 LBBROWSER'}
14     res = requests.get(url, headers=headers)
15 
16     return res
17 
18 
19 def save(url):  # 传入每个子网页链接
20     res = url_open(url)
21     res.encoding = 'gbk'
22     soup = bs(res.text, 'lxml')
23     title = soup.find('title').text.split('-')[0]  # 标题
24     #os.mkdir(title)
25     # os.chdir(title)
26     temp = soup.find_all('tr', class_='tr3')
27     img = re.findall(r'data-src="(.*?jpg)" type', str(temp))
28     
29     
30     imglist = []
31 
32     for each in img:
33         imglist.append(each)
34     for each in imglist:
35         filename = each.split('/')[-1]
36         img = url_open(each)
37         print('saving...+%s'%filename)
38 
39         with open(title+filename, 'wb')as f:
40             f.write(img.content)
41     #os.chdir('..')
42 
43 
44 
45 
46 if __name__ == '__main__':
47     os.makedirs('1024', exist_ok=True)
48     os.chdir('1024')
49     url = 'https://cl.e7s.win/thread0806.php?fid=16&search=&page=1'  #默认爬取第一个页面,毕竟要注意身体,需要多个页面的话,自己加个for循环也不是什么难事~
50     urlhead = 'https://cl.e7s.win/'   #页面解析出来的连接前面需要加上这个头才能打开,根据多年经验这个头是会变的,如果哪天不能用了自己看下是不是这个头变了
51     res = url_open(url)
52     res.encoding = 'gbk'
53 
54     '''找到页面中的所有子网页'''
55     soup = bs(res.text, 'lxml')
56     temp = soup.find_all('td', class_="tal")
57     link = []
58     for each in temp:
59         link.append(urlhead + each.h3.a.get('href'))
60     # del link[0:10]
61 
62     downloads = []
63     for each in link:
64         print(each)
65 
66         down = threading.Thread(target=save, args=[each])
67         downloads.append(down)
68 
69         down.start()
70     for each in downloads:
71         each.join()
72     print('Done')

 

转载于:https://www.cnblogs.com/zhangrenguo/p/10512162.html

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