爬取彼案壁纸

代码展现：

具体代码：

import requests
import re
import os
filename = '壁纸\\'
if not os.path.exists(filename):
    os.mkdir(filename)
for i in range(2,11):
    url = f'http://www.netbian.com/index_{i}.htm'
    headers = {'User-Agent':
                                           'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/118.0.0.0 Safari/537.36',
                                       }
    response = requests.get(url=url,headers=headers)
    response.encoding = response.apparent_encoding
    print(response.text)
    data_list = re.findall('<a href="(.*?)" title=".*?" target="_blank"><img src=".*?" alt="(.*?)" />',response.text)
    for href,title in data_list:
        href = 'http://www.netbian.com'+href
        response1 = requests.get(url=href,headers=headers)
        response1.encoding = response1.apparent_encoding
        img_url = re.findall('target="_blank"><img src="(.*?)" alt=".*?',response1.text)[0]
        print(f"正在打印{title}的壁纸")
        img_content = requests.get(url=img_url,headers=headers).content
        with open(filename+title+'.jpg',mode='wb') as fp:
            fp.write(img_content)

结果展现： 

总结：这个案例不难，静态网页，爬取二进制数据

复习了一番，注意编码的问题，response.encoding=response.apparent_encoding

学到的新东西：

1.print(response.text)后,在下方，按住ctrl+f键可以搜索如下图

 

 点击：

点击.*可以用正则表达式，如果用正则表达解析数据，可以在这里尝试，可以看见匹配的数量，然后再写入代码中。

2.列表中嵌套元祖，如何快速找出元祖中的元素。

如：a=[(1,'as'),(2,'ajsh'),(781,'ajhsasa')]

 

用第二张图的方法，可以直接取出元素

3.遇到参数很多，加冒号很麻烦怎么办，如下图：

 

 首先选中代码，按ctrl+r出现下图：

点击·*进入正则，写入下图： 

代码是： (.*?): (.*)

'$1': '$2',

点击replaceall

结果展现：