Python 爬虫小练习: 利用BeautifulSoup, 爬取校花网图片和图片标题、票数等基本数据,并下载保存到本地。
效果如图:
代码如下:
import urllib.request
from bs4 import BeautifulSoup
import re
# 爬取校花网 校花排行
# 排名
# 标题
# 票数
# 图片
# 获取访问到的数据
url = "http://www.xiaohuar.com/2014.html"
html = urllib.request.urlopen(url)
data = html.read()
# 进行本地存储
file_html = open("校花排行","wb",1)
file_html.write(data)
file_html.close()
html.close()
# 创建一个soup对象
soup = BeautifulSoup(data,"html.parser");
soup.prettify()
#查询所有的容器
div_all = soup.find_all("div",attrs={"class":"items"});
print( len(div_all));
# print(div_all)
# 遍历查询每一个div标签
i = 1
for div_item in div_all:
paiming = div_item.find("div",attrs={"class":"top-title"}).string
print("排名:" + paiming)
#for img in div_item.find_all(re.compile("^img")):
#print(img)
biaoti = div_item.p.get_text()
print( "标题:" + biaoti)
# lianjie = div_item.find_all(["a"]).string
# print(lianjie)
piaoshu = div_item.span.get_text()
print( "票数:" + piaoshu)
# 获取网址
pic_url = div_item.find("img")["data-original"]
# 有些图片比较特殊 网址完整 开头为http 有些不完整
if pic_url[0] == "h":
pass
else:
pic_url = "http://www.xiaohuar.com" + pic_url
# 下载保存
# 相对路径
file_path = "图片"
import os
if os.path.exists(file_path):
print("文件夹存在")
pass
else:
os.makedirs(file_path)
print("文件创建成功")
pass
print("第%d张图片地址: %s" % (i, pic_url))
print("开始下载第%d张图片:===============" % i)
urllib.request.urlretrieve(pic_url, "图片/%d %s.jpg" % (i,biaoti))
print("完成下载第%d张图片:===============" % i)
print("")
i += 1
print("***********"*5)
pass