py 爬虫正则，糗图图片爬取

'''
聚焦爬虫： 爬取页面中指定的页面内容
    - 指定url
    -发起请求
    -获取响应数据
    - 数据解析 （对标签的数据值进行提取）
    -持久化储存
'''


'''
数据解析分类：
    -正则
    -bs4
    -xpath
    
'''


# 爬取糗事百科中糗图板块下所有的糗图图片
import requests
import re
import os

if __name__ == '__main__':
    # UA 伪装
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.88 Safari/537.36'
    }

    # 创建一个文件夹，保存所有图片
    if not os.path.exists('D:\qiutuLibs'):
        os.mkdir('D:\qiutuLibs')

    # 首先设置一个通用的url模板 %d 匹配所有页数
    url = 'https://www.qiushibaike.com/imgrank/page/%d/'
    # pageNum = 2


    for pageNum in range(1,5):
        new_url = format(url%pageNum)

        # 使用通用爬虫拿下整个页面
        page_text = requests.get(url=new_url, headers=headers).text

        # 使用聚焦爬虫将页面中的所有糗图进行爬取
        ex = 'div class="author clearfix">.*?<img src="(.*?)\?.*?</div>'

        img_src_list = re.findall(ex, page_text, re.S)
        # print(img_src_list)



        for src in img_src_list:
            # 拼接一个完整的图片 url
            src = 'https:' + src
            # 请求到的图片是一个二进制的数据
            img_data = requests.get(url=src, headers=headers).content
            # 生成图片名称
            img_name = src.split('/')[-1]

            # 图片的存储路径
            img_path = 'D:\qiutuLibs/' + img_name
            # print(img_path)
            with open(img_path, 'wb') as pf:
                pf.write(img_data)
                print(img_name, '下载成功！！')