写这个爬虫算是回忆一下童年吧
此文章只用于作者分享学习经历,如有侵权或不当的地方请联系本人删除,邮箱:875591584@qq.com
注:超简单的爬虫实例,想学python 爬虫的小伙伴可以参考参考。第一次写博客,还请多多包涵
—————————————————————————————————
一、环境准备
python3的安装请自行百度,编辑器我用的pycharm,如果自己喜欢其他的编辑器,如jupyter等
二、用到的库
1、requests
在命令行使用pip安装命令:pip install request
在py文件里导入:import requests
2、re
方法同上
3、BeautifulSoup
导入:from bs4 import BeautifulSoup
三、每个库对应用到的方法
1、requests
只用到了最基础的requests.get()方法
2、re
使用了re.compile()这个方法
3、BeautifulSoup
BeautifulSoup()对夺取到的html或xml进行解析
四、简单分析
如何打开浏览器开发者工具–>f12或者右击然后检查元素(还有意外的自行百度)
目标网址:宠物页面链接
对页面html元素的分析( 以烈火战胜为例)(图片)
看到右边的蓝字部分,把鼠标放到src就可以看到图片,此链接为图片的下载链接,再看到alt标签,表示的是宠物的名字。我们要的就是这两个东西,我们要得到src链接获取图片,然后用相应的alt作为它的名字
五、代码
只为达到目的,代码不漂亮,轻喷
我的注释写的比较详细,如果有问题可以在博客下面评论或者通过邮箱联系我
import requests
from bs4 import BeautifulSoup
import re
url = 'http://www.4399.com/flash/32979.htm'
#获取宠物得图片链接和名字
def img_links(url):
#requests.get()方法得到页面html
r = requests.get(url)
#改变编码使之与原网页一样,否则可能会出现乱码,后面的步骤也无法进行
r.encoding = r.apparent_encoding
#BeautifulSoup()解析html
soup = BeautifulSoup(r.text,'html.parser')
# print(soup)
#使用正则表达式得到含有图片链接和名字的<img>标签
links = soup.find_all("img", lz_src=re.compile(r'http://newsimg.5054399.com/uploads/userup/\d+/\w+.gif'))
petlink = []
namelink = []
#使用for循环把图片链接与名字分别写入
for link in links:
petlink.append(link['lz_src'])
namelink.append(link['alt'])
return (namelink,petlink)
#下载图片
def download_img(fname,imgurl):
#requests.get(url).content表示获取页面的内容(此处就得到了图片)
r = requests.get(imgurl).content
with open(r'C:\Users\xmm\Desktop\爬取图片\洛克王国\%s.gif'%fname,"wb") as f:
f.write(r)
name,img = img_links(url)
idx = 0
for imgurl in img:
download_img(name[idx],imgurl)
idx+=1
print('正在下载:{:.2f}%'.format(100*idx/1269))