爬取站长素才图片

1.查找网页的接口

1.使用谷歌浏览器,右击检查,点击“Network”,查找资源路径

	第一页的数据:http://sc.chinaz.com/tag_tupian/OuMeiMeiNv.html

​	第二页的数据:   http://sc.chinaz.com/tag_tupian/OuMeiMeiNv_2.html

​	第三页的数据:http://sc.chinaz.com/tag_tupian/OuMeiMeiNv_3.html

在这里插入图片描述

2.找出资源路径的规律

import urllib.request

def create_request(page):
    base_url = 'http://sc.chinaz.com/tag_tupian/OuMeiMeiNv'
    #第一页
    if page == 1:
        url = base_url + '.html'
    #第一页之后的
    else:
        url = base_url + '_' + str(page) + '.html'

     #定制请求头,绕过网站的反爬手段   
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36'
    }

    request = urllib.request.Request(url=url,headers=headers)
    return request

2.使用正则表达式,定位元素

右击“查看网页源代码”,定位图片路径的位置

在这里插入图片描述

import re
def down_load(content):
    #获取图片路径和图片名称
    pattern = re.compile('<div class="box picblock col3".*?<img src2="(.*?)" alt="(.*?)">',re.S)
    a_list = pattern.findall(content)
    for a in a_list:
        url = a[0]
        filename = './meinv/'+a[1] + '.jpg'
        urllib.request.urlretrieve(url=url,filename=filename)

3.完整的代码

(先创建一个“meinv”的文件夹,用来存储图片)

# http://sc.chinaz.com/tag_tupian/OuMeiMeiNv.html
# http://sc.chinaz.com/tag_tupian/OuMeiMeiNv_2.html
# http://sc.chinaz.com/tag_tupian/OuMeiMeiNv_3.html

import urllib.request

def create_request(page):
    base_url = 'http://sc.chinaz.com/tag_tupian/OuMeiMeiNv'
    if page == 1:
        url = base_url + '.html'
    else:
        url = base_url + '_' + str(page) + '.html'

    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36'
    }

    request = urllib.request.Request(url=url,headers=headers)
    return request


def get_content(request):
    response = urllib.request.urlopen(request)
    content = response.read().decode('utf-8')
    return content

import re
def down_load(content):
    pattern = re.compile('<div class="box picblock col3".*?<img src2="(.*?)" alt="(.*?)">',re.S)
    a_list = pattern.findall(content)
    for a in a_list:
        url = a[0]
        filename = './meinv/'+a[1] + '.jpg'
        urllib.request.urlretrieve(url=url,filename=filename)




if __name__ == '__main__':
    start_page = int(input('请输入起始页码'))
    end_page = int(input('请输入结束页码'))
    
    for page in range(start_page,end_page + 1):
        request = create_request(page)
        content = get_content(request)
        down_load(content)
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值