python爬去妹子網整個圖片資源教程(最詳細版)
ps:只支持單個套圖下載,不支持整體下載
在說說我的這個爬蟲代碼的設計思路:
①當我們瀏覽這個網站時,會發現,每一個頁面的URL都是以網站的域名+page+頁數組成,這樣我們就可以逐一的訪問該網站的網頁了
②當我們看圖片列表時中,把鼠標放到圖片,右擊檢查,我們發現,圖片的內容由ul包裹的li組成,箭頭所指的地方為每個套圖的地址,這樣我們就可以進入套圖,一個這樣的頁面包含有24個這樣的套圖,我們用BeautifulSoup,處理。
③我們進入套圖,鼠標放到40處,右擊,發現該套圖圖片的最大圖片數為第十個span的值,而且每個套圖的url同①原理相同為套圖的url+第幾張圖片(如下圖3為第二張圖片),最後下載的url由一個class為main-titleDIV組成。提取img標簽的src屬性即可獲得下載鏈接
from bs4 import BeautifulSoup
import requests
import os
base_url='http://www.mzitu.com/page/'
header = { 'Referer':'http://www.mzitu.com'}
#反‘反盜鏈’
for x in range(11,20):
#盜取第十一頁到19頁圖片
html_a=requests.get(base_url+str(x),headers=header)
soup_a=BeautifulSoup(html_a.text,features='lxml')
#解析第一個網頁
pages=soup_a.find('ul',{'id':'pins'}).find_all('a')
#選出a標簽,如第二步的箭頭所指的地方
b=1
for y in pages:
if(b%2!=0):
#因為一個li標簽裏面有兩個a標簽,所以要去除重復
html=requests.get(y['href'],headers=header)
soup_b=BeautifulSoup(html.text,features='lxml')
#進入套圖,解析套圖
pic_max=soup_b.find_all('span')[10].text
#選出該套圖的最大圖片數
tittle=soup_b.find('h2',{'class':'main-title'}).text
os.makedirs('./img/'+str(tittle))
#制造一個目錄
for i in range(1,int(pic_max)+1):
#循環,下載套圖圖片,
href=y['href']+'/'+str(i)
html2=requests.get(href,headers=header)
soup2=BeautifulSoup(html2.text,features='lxml')
pic_url=soup2.find('img',alt=tittle)
html_name=requests.get(pic_url['src'],headers=header,stream=True)
file_name=pic_url['src'].split(r'/')[-1]
with open('./img/'+str(tittle)+'/'+file_name,'wb') as f:
#按32字節下載
for x in html_name.iter_content(chunk_size=32):
f.write(x)
b=b+1
print('ok')
from bs4 import BeautifulSoup import requests import os base_url='http://www.mzitu.com/page/' header = { 'Referer':'http://www.mzitu.com'} for x in range(13,20): html_a=requests.get(base_url+str(x),headers=header) soup_a=BeautifulSoup(html_a.text,features='lxml') pages=soup_a.find('ul',{'id':'pins'}).find_all('a') b=1 for y in pages: if(b%2!=0): html=requests.get(y['href'],headers=header) soup_b=BeautifulSoup(html.text,features='lxml') pic_max=soup_b.find_all('span')[10].text tittle=soup_b.find('h2',{'class':'main-title'}).text os.makedirs('./img/'+str(tittle)) for i in range(1,int(pic_max)+1): href=y['href']+'/'+str(i) html2=requests.get(href,headers=header) soup2=BeautifulSoup(html2.text,features='lxml') pic_url=soup2.find('img',alt=tittle) html_name=requests.get(pic_url['src'],headers=header,stream=True) file_name=pic_url['src'].split(r'/')[-1] with open('./img/'+str(tittle)+'/'+file_name,'wb') as f: for x in html_name.iter_content(chunk_size=32): f.write(x) b=b+1 print('ok')
以上代碼為原創代碼,
爬取結果如圖:
python爬去妹子網整個圖片資源教程(最詳細版)