爬取中国寺庙祠观造像数据库代码

# 导入re正则库,用于正则匹配像主名和像主id
import re
# 导入requests库,用于图片抓取和页面访问
import requests
# lxml库用于解析html页面
from lxml import etree
# 导入os库用于创建文件夹,以及保存图片
import os

# 伪造通讯协议头
headers = {
    'Connection': 'keep-alive',
    'Pragma': 'no-cache',
    'Cache-Control': 'no-cache',
    'Upgrade-Insecure-Requests': '1',
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36',
    'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9',
    'Referer': 'http://diglweb.zjlib.cn:8081/zjtsg/zgsmcgzx/cygltotal.jsp?page=67^&channelid=91740',
    'Accept-Language': 'zh-CN,zh;q=0.9',
}

# 图片下载函数
def request_download(filename, IMAGE_URL, num):
    r = requests.get(IMAGE_URL)
    path = f'./image/{filename}'
    folder = os.path.exists(path)
    # 如果文件夹已存在,则跳过此环节,如果不存在,则创建文件夹
    if not folder:
        os.makedirs(path)
    with open(f'./image/{filename}/{num}.png', 'wb') as f:
        f.write(r.content)

# 可以得到一个像主所有图片的函数
def getOnePeople(filename,keyNum):
    # 提前设置一个大数组
    # 每页页面有二十张图片链接,将一个像主的所有图片链接存放到一个List中,然后for循环下载
    BIgImageList = []
    # 通过循环和break来确保迭代所有页面
    for i in range(1, 10000):
        response = requests.get(f'http://diglweb.zjlib.cn:8081/zjtsg/zgsmcgzx/cypicgl.jsp?page={i}&channelid=91743&searchword=%CF%F1%D6%F7%B1%E0%BA%C5={keyNum}', headers=headers, verify=False)
        html = etree.HTML(response.text)
        imageList = html.xpath("//tr[@style='font-size:12px;']//img/@src")
        count = len(imageList)
        BIgImageList += imageList
        if count < 1:
            break

    # 下载图片并给予编号
    for n, one in enumerate(BIgImageList):
        request_download(filename, one, n+1)

# 爬取ID 对应的像主,ID从1到1330
def getmap(record):
    params = (
        ('channelid', '91741'),
        ('record', record),
    )

    # 访问对应URL
    response = requests.get('http://diglweb.zjlib.cn:8081/zjtsg/zgsmcgzx/cyxl.jsp', headers=headers, params=params, verify=False)
    text = response.text
    # 通过正则表达式匹配这两个关键信息
    keynum = re.findall('td width="285" valign="top">(.*?\d+)</td>', text)[0]
    name = re.findall('<td width="285" align="left" valign="bottom">(.*?)</td>', text)[0]
    print(name)
    print(keynum)
    # 运行关键函数
    getOnePeople(name, keynum)

# 爬取所有ID,即1300个像主的所有图片
for i in range(1, 1331):
    try:
        getmap(i)
    except:
        pass
  • 0
    点赞
  • 1
    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