小白爬蟲第一彈之抓取妹子圖【更新版】
阿新 • • 發佈:2017-08-04
mozilla dir mac print 1.0 bsp 實例化 com def
最近對爬蟲感興趣,參考了 http://cuiqingcai.com/3179.html 這篇文章,琢磨的小試身手,但是按照原文發現圖片下載下來全是打不開的圖片,這不是我想要的啊,嘗試直接把圖片的鏈接在瀏覽器中打開,發現已經看過的沒有問題,新打開的就不行了,一直懷疑是在cookie方面做了文章,在request裏也確實發現了有兩個cookie的身影,但就是怎麽找也找不到這兩個cookie怎麽來的,一度想放棄,爬個別的站算了,對妹子們的不舍還是又堅持研究了半天,在瀏覽器裏的抓包工具裏一直查看各種參數,做各種嘗試,發現了一點門道,原來請求圖片的時候需要增加一個參數,具體看代碼吧,運行後中途連接被切斷了,遂又增加了ua隨機替換的方法,幸虧沒有增加IP的限制,不然真就該放棄了,不廢話了,代碼如下:
import requests from bs4 import BeautifulSoup import os import urllib import random class mzitu(): def all_url(self, url): html = self.request(url)##調用request函數把套圖地址傳進去會返回給我們一個response all_a = BeautifulSoup(html.text, ‘lxml‘).find(‘div‘, class_=‘all‘).find_all(‘a‘) for a in all_a: title = a.get_text() print(u‘開始保存:‘, title) ##加點提示不然太枯燥了 path = str(title).replace("?", ‘_‘) ##我註意到有個標題帶有 ? 這個符號Windows系統是不能創建文件夾的所以要替換掉 if not self.mkdir(path): print(u‘已經跳過:‘, title) ##中途斷了可以直接再次運行,下載過的文件夾直接跳過了,提高點效率 continue href = a[‘href‘] self.html(href) ##調用html函數把href參數傳遞過去!href是啥還記的吧? 就是套圖的地址哦!!不要迷糊了哦! def html(self, href): ##這個函數是處理套圖地址獲得圖片的頁面地址 html = self.request(href) max_span = BeautifulSoup(html.text, ‘lxml‘).find(‘div‘, class_=‘pagenavi‘).find_all(‘span‘)[-2].get_text() for page in range(1, int(max_span) + 1): page_url = href + ‘/‘ + str(page) self.img(page_url) ##調用img函數 def img(self, page_url): ##這個函數處理圖片頁面地址獲得圖片的實際地址 img_html = self.request(page_url) img_url = BeautifulSoup(img_html.text, ‘lxml‘).find(‘div‘, class_=‘main-image‘).find(‘img‘)[‘src‘] self.save(img_url,page_url) def save(self, img_url, page_url): ##這個函數保存圖片 name = img_url[-9:-4] img = self.requestpic(img_url,page_url) f = open(name + ‘.jpg‘, ‘ab‘) f.write(img.content) f.close() def mkdir(self, path): ##這個函數創建文件夾 path = path.strip() isExists = os.path.exists(os.path.join("D:\mzitu", path)) if not isExists: print(u‘建了一個名字叫做‘, path, u‘的文件夾!‘) os.makedirs(os.path.join("D:\mzitu", path)) os.chdir(os.path.join("D:\mzitu", path)) ##切換到目錄 return True else: print(u‘名字叫做‘, path, u‘的文件夾已經存在了!‘) return False def requestpic(self, url, Referer): ##這個函數獲取網頁的response 然後返回 user_agent_list = [ "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/22.0.1207.1 Safari/537.1" "Mozilla/5.0 (X11; CrOS i686 2268.111.0) AppleWebKit/536.11 (KHTML, like Gecko) Chrome/20.0.1132.57 Safari/536.11", "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.6 (KHTML, like Gecko) Chrome/20.0.1092.0 Safari/536.6", "Mozilla/5.0 (Windows NT 6.2) AppleWebKit/536.6 (KHTML, like Gecko) Chrome/20.0.1090.0 Safari/536.6", "Mozilla/5.0 (Windows NT 6.2; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/19.77.34.5 Safari/537.1", "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/536.5 (KHTML, like Gecko) Chrome/19.0.1084.9 Safari/536.5", "Mozilla/5.0 (Windows NT 6.0) AppleWebKit/536.5 (KHTML, like Gecko) Chrome/19.0.1084.36 Safari/536.5", "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1063.0 Safari/536.3", "Mozilla/5.0 (Windows NT 5.1) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1063.0 Safari/536.3", "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_8_0) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1063.0 Safari/536.3", "Mozilla/5.0 (Windows NT 6.2) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1062.0 Safari/536.3", "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1062.0 Safari/536.3", "Mozilla/5.0 (Windows NT 6.2) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1061.1 Safari/536.3", "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1061.1 Safari/536.3", "Mozilla/5.0 (Windows NT 6.1) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1061.1 Safari/536.3", "Mozilla/5.0 (Windows NT 6.2) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1061.0 Safari/536.3", "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/535.24 (KHTML, like Gecko) Chrome/19.0.1055.1 Safari/535.24", "Mozilla/5.0 (Windows NT 6.2; WOW64) AppleWebKit/535.24 (KHTML, like Gecko) Chrome/19.0.1055.1 Safari/535.24" ] ua = random.choice(user_agent_list) ##隨機替換UA headers = {‘User-Agent‘: ua,"Referer":Referer} ##對了,關鍵的參數就在這裏 ReFerer 沒有這個圖片下載不來的 content = requests.get(url, headers=headers) return content def request(self, url): ##這個函數獲取網頁的response 然後返回 headers = {‘User-Agent‘: "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/22.0.1207.1 Safari/537.1"} content = requests.get(url, headers=headers) return content Mzitu = mzitu() ##實例化 Mzitu.all_url(‘http://www.mzitu.com/all‘) ##給函數all_url傳入參數 你可以當作啟動爬蟲(就是入口)
感謝前人們的無私分享, 感謝 http://cuiqingcai.com/ , 感謝mzitu的站長提供給我們這麽多的優質妹子。
小白爬蟲第一彈之抓取妹子圖【更新版】