Python——爬虫抓取图片

/*
 * Copyright (c) 2014, 烟台大学计算机学院
 * All rights reserved.
 * 文件名称：test.cpp
 * 作    者：李晓凯
 * 完成日期：2019年 8 月 19 日
 * 版 本 号：v1.0
 *
 * 问题描述：
 * 输入描述：
 * 程序输出：

*/

用Python写一个爬虫，抓取网络上的图片。

在做的时候要把user-agent字段改为某些主流浏览器的本字段内容，来实现伪装成浏览器的效果，只需在浏览器任意页面右击—>检查可以查看到：

通过add_header('user-agent','Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36')方法添加。

然后找到图片的地址：

和页数：

完整代码如下：

#爬虫爬取网址https://www.mzitu.com/zipai/上的图片
import urllib.request
import os

def url_open(url):
    req = urllib.request.Request(url)
    #添加头部，伪装Goole浏览器
    req.add_header('user-agent','Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36')
    response = urllib.request.urlopen(req)
    html = response.read()

    return html
#得到页数
def get_page(url):

    html = url_open(url).decode('utf-8')

    a = html.find('page-numbers current') + 22 #+22是从字符‘p’到页数共偏移22个字符，下同
    b = html.find('<',a)

    return html[a:b]
    
#得到图片地址
def find_imgs(url):
    html = url_open(url).decode('utf-8')
    img_addrs = []

    a = html.find('data-original=')
    while a != -1:
        b = html.find('.jpg',a,a+255)
        if b != -1:
            img_addrs.append(html[a+15:b+4])    #+15，+4同样是偏移字符的个数
        else:
            b = a + 22
        a = html.find('data-original=',b)
    #打印图片地址
    #for each in img_addrs:
    #    print(each)
    return img_addrs
        
        
#保存图片
def save_imgs(folder,img_addrs):
    for each in img_addrs:
        filename = each.split('/')[-1]
        with open(filename,'wb') as f:
            img = url_open(each)
            f.write(img)
            

def download_mm_img(folder,pages):
     os.mkdir(folder)
     os.chdir(folder)

     url = "https://www.mzitu.com/zipai/"
     page_num = int(get_page(url))

     for i in range(pages):
         page_num -=i
         page_url = url + 'comment-page-' + str(page_num) + '/#comments'
         img_addrs = find_imgs(page_url)
         save_imgs(folder,img_addrs)
     print("抓取成功！")
if __name__ == '__main__':
    pages_num = input("请输入要抓取的图片页数：")
    pages_num = int(pages_num)
    file_name = input("请输入要保存的文件名称：")
    download_mm_img(file_name,pages_num)

运行结果如下：

这是抓取的部分图片：