wps怎么重命名文件_两个爬虫实例（顺带演示一下怎么用excel批量重命名文件）...

刚爬了一本画册，正好借这个实例展示一下整个爬取过程，供感兴趣的朋友参考。 这本画册的正文页面(包含对应页码图片的网页)URL形式为

http://www.abcabc.com/index.php/pages/category?Pages_page=pageid

• 网站网址马赛克一下，用abcabc代替；

• category：代表这本书在网站数据库里的编号；

• pageid：代表这个页面的页码。

爬取流程是个非常典型的蜘蛛流程：1. 获取所有页面，2. 获取页面上的图片地址，3. 按地址下载图片。

第一步 获取所有页面

在画册的介绍页面可以看到每一页的预览图，点进去看具体某一页的时候反而看不到完整的分页(有的网站会标明页数，有的网站在正文页面里会有完整的分页链接，可以据此查看总页数)。根据预览图提示可以知道这本书一共有44页，所以要做的就是抓取pageid为1~44的44个网页。 第二步 提取每个正文页面里的图片URL

一个网页上往往会有不计其数的图片、链接。如何得到自己要的关键信息，只能靠F12去分析网页，查看目标信息所在位置，本次案例里需要提取的是正文画页图片的URL，在http get获取到正文页面的源码后，有如下几个思路来提取所需的URL：

• 字符串处理(查找)：查找特定特征的字符串——可以是元素id(id="image")，可以是url固定的前导部分字符串处理(正则)：本质和上面一种方法一样