爬取煎蛋网妹子图

煎蛋网妹子图网址:'http://jandan.net/ooxx/'

版本:python 3.x

需要自己去下载配置selenium。

 

# -*- coding: utf-8 -*-
import os
import requests
from selenium.webdriver.support.wait import WebDriverWait
from selenium import webdriver
import re
from pyquery import PyQuery as pq
import threading

headers = {
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/66.0.3359.139 Safari/537.36'
}

browser = webdriver.Chrome()
#wait = WebDriverWait(browser,25)

def fetch_html(url):
    browser.get(url)
    return browser.page_source

def parse_html(html):
    doc = pq(html)
    doc = pq(html)
    items = doc('#comments .commentlist .row').items()
    for item in items:
        url = re.findall('<p>.*?<a.*?href="(.*?)".*?target.*?', str(item), re.S)
        if url:
            download_image("http:"+url[0])
            print(url[0])

def url_open(url):
    try:
        response = requests.get(url,headers = headers)
        if response.status_code == 200:
            return response.content
    except requests.ConnectionError:
        print("打开网页错误!")
        return None

def download_image(url):
    img = url_open(url)
    if img:
        filename = url.split('/')[-1]
        with open(filename,'wb+') as f:
            f.write(img)

if __name__=='__main__':
    if os.path.exists("OOXX"):
        os.chdir("OOXX")
    else:
        os.mkdir("OOXX")
        os.chdir("OOXX")
    for i in range(1,51):
        print('第'+ i + '页')
        url = 'http://jandan.net/ooxx/page-'+str(i)+'#comments'

        html = fetch_html(url)

        t = threading.Thread(target=parse_html,args=(html,))
        t.start()

 

 

 

 

 

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
评论 3
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