溫馨提示×

溫馨提示×

您好,登錄后才能下訂單哦!

密碼登錄×
登錄注冊×
其他方式登錄
點擊 登錄注冊 即表示同意《億速云用戶服務條款》

Python爬蟲爬取煎蛋網(wǎng)圖片代碼實例

發(fā)布時間:2020-10-01 17:41:52 來源:腳本之家 閱讀:157 作者:Leslie_Chan 欄目:開發(fā)技術(shù)

這篇文章主要介紹了Python爬蟲爬取煎蛋網(wǎng)圖片代碼實例,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下

今天,試著爬取了煎蛋網(wǎng)的圖片。

用到的包:

  • urllib.request
  • os

分別使用幾個函數(shù),來控制下載的圖片的頁數(shù),獲取圖片的網(wǎng)頁,獲取網(wǎng)頁頁數(shù)以及保存圖片到本地。過程簡單清晰明了

直接上源代碼:

import urllib.request
import os


def url_open(url):
  req = urllib.request.Request(url)
  req.add_header('user-agent','Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.100 Safari/537.36')
  response = urllib.request.urlopen(url)
  html = response.read()

  return html

def get_page(url):
  html = url_open(url).decode('utf-8')

  a = html.find('current-comment-page')+23
  b = html.find(']',a)

  return html[a:b]


def find_imgs(url):
  html = url_open(url).decode('utf-8')
  img_addrs = []

  a = html.find('img src=')

  while a != -1:
    b = html.find('.jpg',a ,a+255)
    if b != -1:
      img_addrs.append('https:'+html[a+9:b+4]) # 'img src='為9個偏移 '.jpg'為4個偏移
    else:
      b = a+9
    a = html.find('img src=', b)

  return img_addrs


def save_imgs(folder, img_addrs):
  for each in img_addrs:
    filename = each.split('/')[-1]
    with open(filename, 'wb') as f:
      img = url_open(each)
      f.write(img)
    print(img_addrs)

def download_mm(folder = 'xxoo', pages = 5):
  os.mkdir(folder)
  os.chdir(folder)

  url = 'http://jandan.net/ooxx/'
  page_num = int(get_page(url))

  for i in range(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()

其中在主函數(shù)download_mm()中,將pages設置在了5面。

本來設置的是10,但是在程序執(zhí)行的過程中。出現(xiàn)了404ERROR錯誤

即imgae_url出現(xiàn)了錯誤。嘗試著在save_img()函數(shù)中加入了測試代碼:print(img_addrs),

Python爬蟲爬取煎蛋網(wǎng)圖片代碼實例

想到會不會是因為后面頁數(shù)的圖片,img_url的格式出現(xiàn)了改變,導致404,所以將pages改成5,

再次運行,結(jié)果沒有問題,圖片能正常下載:

Python爬蟲爬取煎蛋網(wǎng)圖片代碼實例

仔細觀察發(fā)現(xiàn),剛好是在第五面的圖片往后,出現(xiàn)了不可下載的問題(404)。所以在煎蛋網(wǎng)上,我們直接跳到第6面查看圖片的url。

Python爬蟲爬取煎蛋網(wǎng)圖片代碼實例

上圖是后5面的圖片url,下圖是前5面的圖片url

Python爬蟲爬取煎蛋網(wǎng)圖片代碼實例

而源代碼中,尋找的圖片url為使用find()函數(shù),進行定為<img src=‘'> <.jpg>中的圖片url,所以后5面出現(xiàn)的a href無法匹配,即出現(xiàn)了404 ERROR。如果想要下載后續(xù)的圖片,需要重新添加一個url定位

即在find中將 img src改成 a href,偏移量也需要更改。

總結(jié):

使用find()來定位網(wǎng)頁標簽確實太過low,所以以后在爬蟲中要盡量使用正則表達式和Beautifulsoup包來提高效率,而這兩項我還不是特別熟,所以需要更多的訓練。

以上就是本文的全部內(nèi)容,希望對大家的學習有所幫助,也希望大家多多支持億速云。

向AI問一下細節(jié)

免責聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進行舉報,并提供相關(guān)證據(jù),一經(jīng)查實,將立刻刪除涉嫌侵權(quán)內(nèi)容。

AI