python爬取收费素材_Python爬虫教程:包图网免费付费素材爬取【附源码】

包图网大家都知道吧 集齐海量设计素材 十分好用 可惜太贵了,今天就带大家使用Python—爬虫爬取这些素材并且保存到本地!

抓取一个网站的内容,我们需要从以下几方面入手:

1-如何抓取网站的下一页链接?

2-目标资源是静态还是动态(视频、图片等)

3-该网站的数据结构格式

源代码如下

import requests

from lxml import etree

import threading

class Spider(object):

def __init__(self):

self.headers = {"User-Agent":"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36"}

self.offset = 1

def start_work(self, url):

print("正在爬取第 %d 页......" % self.offset)

self.offset += 1

response = requests.get(url=url,headers=self.headers)

html = response.content.decode()

html = etree.HTML(html)

video_src = html.xpath('//div[@class="video-play"]/video/@src')

video_title = html.xpath('//span[@class="video-title"]/text()')

next_page = "http:" + html.xpath('//a[@class="next"]/@href')[0]

# 爬取完毕...

if next_page == "http:":

return

self.write_file(video_src, video_title)

self.start_work(next_page)

def write_file(self, video_src, video_title):

for src, title in zip(video_src, video_title):

response = requests.get("http:"+ src, headers=self.headers)

file_name = title + ".mp4"

file_name = "".join(file_name.split("/"))

print("正在抓取%s" % file_name)

with open('E://python//demo//mp4//'+file_name, "wb") as f:

f.write(response.content)

if __name__ == "__main__":

spider = Spider()

for i in range(0,3):

# spider.start_work(url="https://ibaotu.com/shipin/7-0-0-0-"+ str(i) +"-1.html")

t = threading.Thread(target=spider.start_work, args=("https://ibaotu.com/shipin/7-0-0-0-"+ str(i) +"-1.html",))

t.start()

效果展示

对于初学者想更轻松的学好Python开发,爬虫技术,Python数据分析,人工智能等技术,这里也给大家准备了一套系统教学资源,加Python技术学习教程qq裙:855408893,免费领取。学习过程中有疑问,群里有专业的老司机免费答疑解惑!点击加入我们的 python学习圈

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