爬图-python

写在前面:

爬取评论、图片是入门爬虫练习正则bs4的基础,不要想歪。

对url:https://www.nvshens.com/进行爬取

功能:

爬取所搜索的某一位模特的全部套图
并且每个套图单独成一个文件夹
并且加入了check功能,以前爬取过的不会重复爬取
改主函数里的url和path名就可使用

效果:

代码:

import os
import requests
import re
import time


def url_open(url):

    headers = {'User-Agent':
                 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/49.0.2623.221 Safari/537.36 SE 2.X MetaSr 1.0'
                 ,"Referer":"http://www.mzitu.com/"}
    response = requests.get(url, headers=headers)
    return response    


def get_page(url, PATH):
    if os.path.exists(PATH):
        os.chdir(PATH)
    else:
        os.mkdir(PATH)
        os.chdir(PATH)    
    if os.path.exists('logfile_check.log'):
        check_file = open('logfile_check.log', 'r', encoding='utf8')
        page_addrs = check_file.read().split()
    else:
        page_addrs = []
    
    phtml = url_open(url).text
    # print(phtml)

    page_p = r"<div class='igalleryli_title'><a href='([^']+)' class='caption'>"
    #print(re.findall(page_p, phtml))
    #print(len(re.findall(page_p, phtml)))
    find_taotu_url = re.findall(page_p, phtml)
    temp_str = 'https://www.nvshens.com'
    
    temp_addrs = []

    for i in find_taotu_url:
        #print(temp_str + i)
        if (temp_str + i) in page_addrs:
            continue
        else:
            temp_addrs.append((temp_str + i))
        if os.path.exists('logfile_check.log'):
            check_file.close()
        true_page_addrs = list(set(temp_addrs))
        true_page_addrs.sort(key=temp_addrs.index)
    return true_page_addrs
        
def get_img(html, PATH):
    page_addrs = get_page(html, PATH)
    print(page_addrs)
    for page_url in page_addrs:
        FLAG = False
        
        if os.path.exists('logfile_check.log'):
            FLAG = True
        logfile = open("logfile_check.log", 'a', encoding='utf8')
        print(page_url)
        if FLAG:
            print('\n' + page_url, file=logfile)
        else:
            print(page_url, file=logfile)
        logfile.close()
        img_html1 = url_open(page_url).text
        

        #p = r"</a><a href='/g/28687/(\d+).html' >"
        p = r".html' >(\d+)</a>"
        p_url = re.findall(p, img_html1)
        #print(p_url) 
        x = int(p_url[-1])
        name_str = '<h1 id="htilte">([^"]+)</h1>'
        name_str_list = re.findall(name_str, img_html1)
        #print(name_str_list)
        try:
            os.mkdir(name_str_list[0])
            os.chdir(name_str_list[0])
            
            for i in range(1, x+1):
                img_url = page_url + str(i) + '.html'
                
                img_html2 = url_open(img_url).text
                img_p = r"<img src='([^']+\.jpg)' alt='"
                img_addrs = re.findall(img_p, img_html2)
                #print('-'* 20)
                #print(img_addrs)                
                for each in img_addrs:
                    #print(each)
                    file = each.split("/")[-1]
                    with open(file, "wb") as f:
                        img = url_open(each).content
                        f.write(img)
                    time.sleep(1)
            
            os.chdir(os.path.abspath(os.path.dirname(os.getcwd())))
        except:
            print('{}{}'.format(name_str_list[0], page_url))
            os.chdir(os.path.abspath(os.path.dirname(os.getcwd())))
    

if __name__ == '__main__':
    url = "https://www.nvshens.com/girl/20763/album/"
    PATH = 'Zhouyanxi'
    get_img(url, PATH)
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,718评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,683评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 158,207评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,755评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,862评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,050评论 1 291
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,136评论 3 410
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,882评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,330评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,651评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,789评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,477评论 4 333
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,135评论 3 317
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,864评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,099评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,598评论 2 362
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,697评论 2 351

推荐阅读更多精彩内容