跟着小甲鱼的视频做了一个爬虫,可惜小甲鱼的视频已经是很久以前的了,所以程序已经不能用了
于是做的第一个爬虫就遇上了硬茬儿,各种修改之后,终于做成功了一个完整的可用的程序
不过也算是邪恶了一把。。。技术本无罪~~~
爬了几页的照片下来还是很赏心悦目的~送给你们
话不多说,直接上代码:
import urllib.request
import os
def url_open(url):
req = urllib.request.Request(url)
req.add_header('User-Agent','Mozilla/5.0\
(Macintosh; Intel Mac OSX10_14_2) AppleWebKit/537.36(KHTML, like Gecko) Chrome/75.0.3770.100 Safari/537.36')
response = urllib.request.urlopen(url)
html = response.read()
return html
def get_page(url): #找到下一个页面的网址
html = url_open(url).decode('utf-8')
a = html.find('current-comment-page')+23
c = html.find('<a href=',a)
d = html.find('comments',a)
next_page = html[c+9:d+8]
return next_page
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(html[a+9:b+4])
else:
b = a + 9
a = html.find('img src=',b)
return img_addrs
def save_imgs(folder, img_addrs):
for each in img_addrs:
filename = each.split('/')[-1]
with open(filename,'wb') as f:
img = url_open('http:'+each)
f.write(img)
def download_mm(folder = 'ooxx', pages = 10):
if not os.path.exists(folder):
os.mkdir(folder)
os.chdir(folder)
url = 'http://jandan.net/ooxx/'
for i in range(10):
next_page= get_page(url)
page_url = 'http:'+next_page
img_addrs = find_imgs(page_url)
save_imgs(folder, img_addrs)
url = page_url
if __name__ == '__main__':
download_mm()
基本的结构框架也就是:请求网页源代码–>通过正则字符串查找相应的图片地址返回一个列表–>将列表中所有地址中的内容全部写入一个文件夹。。
如果你觉得帮到你了,请留下宝贵在赞~~~
如果有问题也可以随时交流