Python—爬取图库(二):做马赛克拼图图片

爬取图库(二)
1. 选取网站，构造思路：
a.选取网址url:http://desk.zol.com.cn/dongman/haizeiwang/
b.分析布局，发现每页有很多小图片，然后一共有27页。我们就外循环嵌套一个range(0,26)的循环吧。

c.查看图片元素，发现每个img图片继承于’div’,class_='show listbox cc’下ul的children的a.li中。

d.获取页面调用一个函数，下载图片调用一个函数。
2.代码：

from urllib import request#引入request

from bs4 import BeautifulSoup as bs#引入BeautifulSoup重命名bs

from urllib.request import urlretrieve#引入图片链接下载方法urlretrieve

URL='http://op.hanhande.net/shtml/meitu.shtml'#网址

def Join(url):#定义获取页面函数
    
    response=request.urlopen(url)#建立链接
    
    html_data=response.read()#读取链接
    
    soup=bs(html_data,'html.parser')#转码
    
    return soup #返回soup

def GetPhotos(x): #定义获取图片函数
    
    Locations=Join(URL).find('div',class_='show listbox cc').ul#找到每个页面固定位置装有img的上层
    
    for pra in Locations.children:#循环
        
        if(pra !='\n'):#防止空行报错
            
            img_url=(pra.a.img.get('src'))#获取图片链接
            
            x+=1#x命名增加
            
            urlretrieve(img_url, 'G:\爬虫训练\图片\%05d.jpg'%x)#图片下载
            
            print("正在下载第%05d张图片"%x)#格式化给图片命名
            
x=0#全局变量
for j in range(0,26):#递归至27页
    
    GetPhotos(x)#调用下载第x页所有小图函数
    
    URL=Join(URL).find('div',class_='page').a.find_next('a').find_next('a').get('href')#重置URL为下一页URL
    
    x+=50#每一页最多允许下载的量50
    
    print(URL)#发现第七页开始图片已损坏

4. 结果分析及进步方向：
a.图片还是选择了小图，文件小一点。*
b.图片数量有600多张算是一种进步*
c.明天加油！*
4. 图片库处理：
AndreaMosaic详情请参略此处。
5. 成果：