python爬取贴吧所有帖子-Python实现的爬取百度贴吧图片功能完整示例

本文实例讲述了Python实现的爬取百度贴吧图片功能。分享给大家供大家参考,具体如下:

#coding:utf-8

import requests

import urllib2

import urllib

```

from lxml import etree

class Tieba:

def __init__(self):

self.tiebaName = raw_input("请输入需要爬取的贴吧:")

self.beginPage = int(raw_input("请输入爬取的起始页:"))

self.endPage = int(raw_input("请输入爬取的结束页:"))

self.baseURL = "http://tieba.baidu.com"

#self.headers = {"User-Agent" : "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.86 Safari/537.36"}

self.headers = {"User-Agent" : "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1 Trident/5.0;"} def startWork(self):

"""

发送贴吧每一页的url请求

"""

for page in range(self.beginPage, self.endPage + 1):

pn = (page - 1) * 50

keyword = {"kw" : self.tiebaName, "pn" : pn}

kw = urllib.urlencode(keyword)

url = self.baseURL + "/f?" + kw

#print url

html = self.loadRequest(url)

self.loadPage(html)

def loadRequest(self, url):

"""

发送请求,返回响应

url: 发送请求的url地址

"""

request = urllib2.Request(url, headers = self.headers)

#request = urllib2.Request(url)

response = urllib2.urlopen(request)

return response.read()

def loadPage(self, html):

"""

提取每个帖子的url,并发送请求,获取响应

html: 贴吧每一页的html

"""

content = etree.HTML(html)

print '------'

print content

# xpath 返回的所有匹配成功后的结果的列表

#pagelink_list = content.xpath("//div[@class='threadlist_lz clearfix']/div/a[@class='j_th_tit']/@href")

pagelink_list = content.xpath("//div[@class='col2_right j_threadlist_li_right']//div/a/@href")

pagelink_list = content.xpath("//div[@class='t_con cleafix']//div/a/@href")

for link in pagelink_list:

print link

self.loadImage(self.loadRequest(self.baseURL + link))

def loadImage(self, html):

"""

提取帖子里用户发送的图片的url地址

html: 每个帖子的html

"""

content = etree.HTML(html)

imagelink_list = content.xpath("//div[@class='p_content ']//img[@class='BDE_Image']/@src")

for link in imagelink_list:

self.writeImage(self.loadRequest(link), link[-10:])

def writeImage(self, data, filename):

"""

将图片的响应数据,写入到本地磁盘里

data: 图片的响应数据

filename: 文件名(图片url的后10位)

"""

print "正在保存图片...%s" % filename

with open(filename, "wb") as f:

f.write(data)

if __name__ == "__main__":

tieba = Tieba()

tieba.startWork()

希望本文所述对大家Python程序设计有所帮助。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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