zoukankan      html  css  js  c++  java
  • 煎蛋网妹子图爬虫总结

    这次是只用字符串查找的方式来找网页中图片链接的

     1 #!/usr/bin/python
     2 #coding:utf-8
     3 import urllib.request
     4 import os
     5 import time
     6 import random
     7 
     8 def url_open(url):    
     9     # header = {}
    10     # header['User-Agent'] = 'Mozilla/5.0 (Windows NT 6.1;WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/38.0.2125.122 Safari/537.36 SE 2.X MetaSr 1.0'
    11     req=urllib.request.Request(url)
    12     req.add_header('User-Agent','Mozilla/5.0 (Windows NT 6.1;WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/38.0.2125.122 Safari/537.36 SE 2.X MetaSr 1.0')
    13 
    14     proxylist=['111.192.44.204:9000','222.82.222.242:9999','124.202.247.110:8080']
    15     proxy=random.choice(proxylist)
    16     proxyhandler=urllib.request.ProxyHandler({'htttp':proxy})
    17     opener=urllib.request.build_opener(proxyhandler)
    18     urllib.request.install_opener(opener)   request模块中建立opener
    19     response = urllib.request.urlopen(url)
    20     html=response.read()
    21     return html
    22 
    23 def find_img(url):
    24     html=url_open(url).decode('utf-8')    从utf-8解码成unicode   反之encode(utf-8)  从unicode编码成utf-8
    25     img_addrs=[]
    26 
    27     a=html.find('img src=')   找链接起始位置a,结束位置b,然后b-a  切片
    28     while a !=-1:          
    29         b=html.find('.jpg',a,a+100)
    30         if b!=-1:
    31             img_addrs.append('http:'+html[a+9:b+4])    将链接放到list中
    32         else:
    33             b=a+9
    34             print('A')
    35         a=html.find('img src=',b)
    36     for each in img_addrs:    对list进行itrate
    37         print (each)
    38         return img_addrs
    39 
    40 def save_img(folder,img_addrs):  保存图片
    41     print(img_addrs)
    42     for each in img_addrs:
    43         # filename=each.split('/')[-1]
    44         global j
    45         j += 1
    46         with open(str(j)+'.jpg','wb') as f:
    47             img=url_open(each)
    48             f.write(img)
    49 
    50 def download_mm(folder="d://xx22"):   主函数
    51     os.mkdir(folder)
    52     os.chdir(folder)
    53     global j
    54     j=0
    55 
    56     url="http://jiandan.net/ooxx/"
    57     page_num=26
    58     for i in range(page_num):
    59         page_num-=1
    60         page_url=url+'page-'+str(page_num)+'#comments'
    61         print(page_num)
    62 
    63         img_addrs=find_img(page_url)
    64         save_img(folder,img_addrs)
    65         time.sleep(1)
    66 
    67 if __name__=="__main__":
    68     download_mm()
  • 相关阅读:
    Ajax探讨
    什么叫套接字
    hibernate中的dialect解释
    SpringMvc整合hibernate
    单点登录原理
    微信小程序开发视频教程学习(第6天)2017年6月29日:上午前端下午PHP
    微信小程序开发视频教程学习(第3天)2:PHP测验错误题分析
    微信小程序开发视频教程学习(第3天):上午前端下午PHP
    微信小程序开发视频教程学习(第2天):上午前端下午PHP
    flex开发的企业管理系统ui
  • 原文地址:https://www.cnblogs.com/caojunjie/p/6796167.html
Copyright © 2011-2022 走看看