上一篇文章爬的表情包是套圖，發現還有一千多頁的最新表情包。兩者的網頁結構有點區別，程式碼需要整改下，看下頁面，規律也比較好找。
非常氣憤，上一個部落格被其他爬走了，還是一個培訓機構，插了自己的廣告！

所有的表情圖片都是在標籤下，數了一下每一頁都是17行，一行4個，不管多少個，我都提取放到一個列表，然後分別下載。一千多頁，雖然沒用多執行緒，爬了一下大概也就花了20多分鐘。因為網頁並不是千篇一律的，幾百頁後頁面結構就有些變化了，為了保證動圖和非動圖的效果，爬了幾十頁和幾百頁後又修改了原始碼
裡面也加了對格式的很多判斷，因為剛開始爬的時候，沒注意可能幾百頁後連結啥的出現了變化。還是一樣的，跟上一篇部落格一樣，表情圖片必須帶名字，要不然沒法鬥圖。。

#coding=utf8
import requests
from lxml import etree
from urllib import request
import time

headers = {}
headers["User-Agent"] = "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0"
headers["Host"] = "www.doutula.com"
headers["Accept"] = "text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8"
 

headers["Accept-Language"] = "zh-CN,zh;q=0.8,zh-TW;q=0.7,zh-HK;q=0.5,en-US;q=0.3,en;q=0.2"
headers["Accept-Encoding"] = "gzip, deflate"
headers["Connection"] = "close"
headers["Upgrade-Insecure-Requests"] = "1"

def get_img(page):
    global j
    url = "http://www.doutula.com/photo/list/?page=" + str(page)
    try
 
:
        response = requests.get(url,headers=headers)
        html = response.text
    except Exception as e:
        print(str(e))
    selector = etree.HTML(html)
    img_url = selector.xpath('//img[@style="width: 100%; height: 100%;"][1]/@data-original')
    img_name = selector.xpath('//img[@style="width: 100%; height: 100%;"][1]/@alt')
    for img_link in img_url:
        id = img_url.index(img_link)
        try:
            if img_link[-3:]=="dta":
                if img_link[-7:-4]=="gif":
                    request.urlretrieve(img_link, 'F:\\images\\%s.gif' % img_name[id])
                else:
                    if img_link[-7:-4]=="png":
                        request.urlretrieve(img_link, 'F:\\images\\%s.png' % img_name[id])
                    else:
                        request.urlretrieve(img_link, 'F:\\images\\%s.jpg' % img_name[id])
                print("下載第%d張表情包："%j + img_link)

            else:
                if img_link[-3:]=="jpg":
                    request.urlretrieve(img_link, 'F:\\images\\%s.jpg' % img_name[id])
                else:
                    if img_link[-3:]=="png":
                        request.urlretrieve(img_link, 'F:\\images\\%s.png' % img_name[id])
                    else:
                        request.urlretrieve(img_link, 'F:\\images\\%s.gif' % img_name[id])
                print("下載第%d張表情包："%j + img_link)
        except Exception as e:
            print(str(e))
        j += 1
j = 1
for page in range(1,1396):
    print("第" + str(page) + "頁")
    try:
        get_img(page)
    except Exception as e:
        print(str(e))

看看效果咋樣：

一千多頁爬下來，大概有7萬個表情包，因為我給表情包命名字了，而有些表情包網頁上的名字有特殊字元，Windows下面特殊字元不能作為檔名字，所以部分表情包儲存失敗了，反正也不缺這幾個了。

加上上一篇文章爬的，除去名字有特殊字元的，總共表情包就這麼些了，4個G多，11萬個。