Python爬虫爬取煎蛋网图片代码实例
这篇文章主要介绍了Python爬虫爬取煎蛋网图片代码实例,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
今天，试着爬取了煎蛋网的图片。
用到的包：
- urllib.request
- os
分别使用几个函数，来控制下载的图片的页数，获取图片的网页，获取网页页数以及保存图片到本地。过程简单清晰明了
直接上源代码：
importurllib.request
importos
defurl_open(url):
req=urllib.request.Request(url)
req.add_header('user-agent','Mozilla/5.0(WindowsNT10.0;Win64;x64)AppleWebKit/537.36(KHTML,likeGecko)Chrome/75.0.3770.100Safari/537.36')
response=urllib.request.urlopen(url)
html=response.read()
returnhtml
defget_page(url):
html=url_open(url).decode('utf-8')
a=html.find('current-comment-page')+23
b=html.find(']',a)
returnhtml[a:b]
deffind_imgs(url):
html=url_open(url).decode('utf-8')
img_addrs=[]
a=html.find('imgsrc=')
whilea!=-1:
b=html.find('.jpg',a,a+255)
ifb!=-1:
img_addrs.append('https:'+html[a+9:b+4])#'imgsrc='为9个偏移'.jpg'为4个偏移
else:
b=a+9
a=html.find('imgsrc=',b)
returnimg_addrs
defsave_imgs(folder,img_addrs):
foreachinimg_addrs:
filename=each.split('/')[-1]
withopen(filename,'wb')asf:
img=url_open(each)
f.write(img)
print(img_addrs)
defdownload_mm(folder='xxoo',pages=5):
os.mkdir(folder)
os.chdir(folder)
url='http://jandan.net/ooxx/'
page_num=int(get_page(url))
foriinrange(pages):
page_num-=i
page_url=url+'page-'+str(page_num)+'#comments'
img_addrs=find_imgs(page_url)
save_imgs(folder,img_addrs)
if__name__=='__main__':
download_mm()
其中在主函数download_mm()中，将pages设置在了5面。
本来设置的是10，但是在程序执行的过程中。出现了404ERROR错误
即imgae_url出现了错误。尝试着在save_img()函数中加入了测试代码：print(img_addrs)，
再次运行，结果没有问题，图片能正常下载：
上图是后5面的图片url，下图是前5面的图片url
而源代码中，寻找的图片url为使用find()函数，进行定为
即在find中将imgsrc改成ahref，偏移量也需要更改。
总结：
使用find()来定位网页标签确实太过low，所以以后在爬虫中要尽量使用正则表达式和Beautifulsoup包来提高效率，而这两项我还不是特别熟，所以需要更多的训练。
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。