B站小甲鱼零基础python视频P57爬取煎蛋网OOXX妹纸图代码修改

问题描述

在B站看[小甲鱼]零基础入门学习PythonP57集时遇到了一些问题，现在煎蛋网的的图片每一页的网址和视频里的不太一样，看弹幕有的说能爬，有的说不能爬，也没有标明日期，当时挺懵逼的，不知道该怎么办，硬着头皮看到最后，发现有弹幕说是用了base64加密，其它弹幕反响不错，感觉挺靠谱的，就百度了一下，最后终于成功爬取。小甲鱼的视频看到这里，这应该是第一个让我小有成就的实例，在这里分享给大家，希望和我遇到同样问题的朋友都能完成并继续学习下去，加油诸位。
具体参考了这篇文章https://blog.csdn.net/qq_45859272/article/details/107707560。

代码实现

# date 2021/1/15 - 20:13
import urllib.request
import time
import base64
import os


def url_open(url):
    req = urllib.request.Request(url)
    req.add_header('User-Agent',
                   'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.88 Safari/537.36')
    response = urllib.request.urlopen(req)
    html = response.read()
    return html


# 获取当前图片的总页数，返回总页数的字符串
def get_page(url):
    html = url_open(url).decode('utf-8')
    a = html.find('current-comment-page') + 23
    b = html.find(']', a)
    return html[a:b]


# 找到每一页所有图片的网址，返回一个列表
def find_imgs(url):
    html = url_open(url).decode('utf-8')
    img_addrs = []
    a = html.find('img src=')
    while a != -1:
        b = html.find('.jpg', a, a + 255)
        if b != -1:
            img_addrs.append('http:' + html[a + 9:b + 4])
        else:
            b = a + 9
        a = html.find('img src=', b)
    return img_addrs


# 根据图片网址，写入图片到当前工作目录
def save_imgs(img_addrs):
    for each in img_addrs:
        filename = each.split('/')[-1]
        with open(filename, 'wb') as f:
            img = url_open(each)
            f.write(img)

'''
这里我并没有把所有图片都放在一个目录下，而是放在了图片对应页数命名的子目录
记得把folder改成自己的！！！
'''
def download_mm(folder=r'C:\Users\Razer\Pictures\OOXX', pages=3):
    url = 'http://jandan.net/ooxx/'
    page_num = int(get_page(url))
    for i in range(pages):
        '''
        小甲鱼用page_num-=i没有按顺序访问页面，
        大家可以写个for循环遍历一下就知道了，
        之所以能发现也是因为试着用页数当文件名（*＾-＾*）
        '''
        # page_num -= i
        imgpage = page_num - i
        imgpath = folder + '\%d' % imgpage
        # 判断imgpath目录是否存在
        if not os.path.exists(imgpath):  # 如果不存在则创建
            os.makedirs(imgpath)
            os.chdir(imgpath)  # 将imgpath设置为当前工作目录
        else:  # 如果存在，就跳过，创建下一页的目录
            continue
        '''
        http://jandan.net/ooxx/MjAyMTAxMTYtMTA5#comments
        MjAyMTAxMTYtMTA5是对'当前日期—页数'也就是'20210116-109'的base64加密
        '''
        s = time.strftime("%Y%m%d-")  # 将当前日期格式化为形如'20210116-'的字符串
        d = '%d' % imgpage
        c = s + d
        b = base64.b64encode(c.encode('utf-8')).decode("utf-8")
        page_url = url + b + '#comments'
        img_addrs = find_imgs(page_url)
        save_imgs(img_addrs)  # 会直接在当前工作目录下写入照片，所以不需要再传入文件路径


if __name__ == '__main__':
    download_mm()