zoukankan      html  css  js  c++  java
  • 爬虫小练习:堆糖图片抓取--爬虫正式学习day1

    #菠萝tang
    #
    coding:utf-8 import urllib2 import urllib import os import time import json import jsonpath def handle_request(url, sort, page ): qurey_string = '&type=feed&include_fields=top_comments%2Cis_root%2Csource_link%2Citem%2Cbuyable%2Croot_id%2Cstatus%2Clike_count%2Clike_id%2Csender%2Calbum%2Creply_count%2Cfavorite_blog_id&_type=&' url_use = url + sort + qurey_string + 'start=' + str(24*page) headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36', } request = urllib2.Request(url=url_use, headers=headers) return request def download_image(content): unicodestr = json.loads(content) url_list = jsonpath.jsonpath(unicodestr, "$..path") for li in url_list: dirname = 'DuiTang' if not os.path.exists(dirname): os.mkdir(dirname) filename = li.split('/')[-1] # print(filename) filepath = dirname + '/' + filename # print(filepath) urllib.urlretrieve(li, filepath) time.sleep(1) def main(): url = 'https://www.duitang.com/napi/blog/list/by_search/?kw=' start_page = int(input("请输入起始抓取位置(24个图为一个部分):")) end_page = int(input("请输入终止抓取位置:")) sort = raw_input("请输入查询的种类:") for page in range(start_page-1, end_page): print('第%s部分开始下载......'%(page+1)) request = handle_request(url, sort, page) content = urllib2.urlopen(request).read() print(content) # #解析内容,提取所有图片链接,下载图片 download_image(content) print('第%s部分下载完成' %(page+1)) time.sleep(2) if __name__ == '__main__': main()

    #使用python2.7

    #堆糖的图片显示是按照json来的,分页只是障眼法,主要参数为:kw、和start位置!

    #获取json数据需要努力学习!!!

    #unicodestr = json.loads(content)

    #url_list = jsonpath.jsonpath(unicodestr, "$..path")

  • 相关阅读:
    XPOSED优秀模块列表 Xposed GEL 设置
    XPOSED优秀模块列表 Eggster
    XPOSED优秀模块列表 全部成为F
    XPOSED优秀模块列表 XBridge
    XPOSED优秀模块列表 xBoon
    XPOSED优秀模块列表 定位注入器
    showModalDialog()、showModelessDialog()方法使用详解
    手工更改数据库字符集
    blog开张了
    SQLSERVER 2008 复制之旅
  • 原文地址:https://www.cnblogs.com/lst-315/p/11493170.html
Copyright © 2011-2022 走看看