Python学习的第四天

爬虫保存爬到的图片

  • 图片是以二进制的方式 所以在写入图片的时候要用"wb"二进制的方式写入
# 导入
import requests
from lxml import etree
# from lxml import html
# etree = html.etree
def spider_douban_top250():
    movie_list_info = []
    headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.142 Safari/537.36"}
    for i in range(0, 250, 25):
        url = 'https://movie.douban.com/top250?start={}&filter='.format(i)

        # 获取bytes类型响应
        data = requests.get(url, headers=headers).content
        html = etree.HTML(data)
        ol_list = html.xpath('//div[@id="content"]//div[@class="article"]/ol/li')

        for movie in ol_list:
            # 影片序号
            serial_number = movie.xpath('./div[@class="item"]/div[@class="pic"]/em/text()')
            if len(serial_number) == 0:
                serial_number = ''
            else:
                serial_number = serial_number[0]
            # print(serial_number)
            # 电影的名字
            movie_name = movie.xpath('./div[@class="item"]/div[@class="info"]/div[@class="hd"]/a/span[1]/text()')[0]
            # print(movie_name)
            # 电影的介绍
            movie_introduce = movie.xpath('./div[@class="item"]/div[@class="info"]/div[@class="bd"]/p[1]/text()')[
                0].strip()
            # print(movie_introduce)
            # 电影的星级
            star = \
            movie.xpath('./div[@class="item"]/div[@class="info"]/div[@class="bd"]/div[@class="star"]/span[2]/text()')[0]
            # print(star)
            # 电影的评价
            evalute = movie.xpath(
                './div[@class="item"]/div[@class="info"]/div[@class="bd"]/div[@class="star"]/span[4]/text()')
            evalute = evalute[0].replace('人评价', '')
            # print(evalute)
            # 电影的描述
            describe = movie.xpath('./div[@class="item"]/div[@class="info"]/div[@class="bd"]/p[@class="quote"]/span[1]/text()')
            # print(describe)
            # 电影封面的地址
            movie_img_url = movie.xpath('./div[@class="item"]/div[@class="pic"]/a/img/@src')[0]
            # print(movie_img_url)

            movie_list_info.append({
                'serial_number': serial_number,
                'movie_name': movie_name,
                'movie_introduce': movie_introduce,
                'star': star,
                'evalute': evalute,
                'describe': describe,
                'movie_img_url': movie_img_url
            })
    for movie in movie_list_info:
        print(movie)

        # 下载图片
    for movie in movie_list_info:
        url = movie['movie_img_url']
        resp = requests.get(url)
        if resp.status_code == 200:
            img_name = '0000000{}.jpg'.format(movie['serial_number'])
            with open('./imgs/{}'.format(img_name), 'wb') as f: #保存图片
                f.write(resp.content)

spider_douban_top250()
©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

推荐阅读更多精彩内容

  • 爬虫(本地HTML) 获取标签中的内容,末尾要添加text() //表示可以代表从任意位置出发格式://标签1[@...
    2031aa31c7a2阅读 295评论 0 0
  • 爬虫 爬虫(又被称为网页蜘蛛,网络机器人),它是一种按照一定的规则,自动地抓取互联网信息的程序或者脚本。也即它是一...
    小頴子阅读 213评论 0 0
  • 爬虫——大数据 1. 提取本地HTML中的数据 1. 新建index.html文件 2. 读取HTML文件 需要安...
    婉儿吖阅读 362评论 0 0
  • 一、爬虫 爬虫(又被称为网页蜘蛛,网络机器人),它是一种按照一定的规则,自动地抓取互联网信息的程序或者脚本。也即它...
    喵青禾阅读 388评论 0 0
  • | 目录 | 楔子上 刀是一种武器,再普通不过了。 各种地方各种场合,你都能见到各种刀具:菜刀,柴刀,朴刀,雁翎刀...
    金麟圣兽阅读 444评论 3 9