虎扑图片爬虫

平时喜欢看篮球,所以经常逛虎扑,这几天写爬虫,所以就想写个爬虫爬一下虎扑帖子里面的图片。

一般来说,帖子里面图片是这样的:

1.png

打开网页源代码,看到图片在网页中的路径如下:

2.png

根据图片存储的路径,可以采用正则表达式提取、bs提取或者xpath表达式提取,此处采用正则表达式提取,表达式如下:

img1Pattern = re.compile('<img .?(http://i.?)?/format,webp')

全部代码如下,存储路径换成自己本地路径

import requests

from urllib.requestimport urlopen, urlretrieve

import time

import re

import os

import threading

filepath ="本地路径"

获取网页中的链接

def get_url():

totalurl = []

for iin range(1,22):

baseurl ='网页结构'+str(i)+'.html'

    pattern ='" href="(https://bbs.hupu.com/.*?.html)"'

    url = filepath + baseurl

print(url)

    html =open(url, 'r', encoding='utf-8').read()

urllist = re.compile(pattern).findall(html)

totalurl += urllist

time.sleep(5)

print(len(totalurl))

return totalurl

def getImgUrls():

urllist = get_url()

img1Pattern = re.compile('

img2Pattern = re.compile('

titlePattern = re.compile('>(.*?)')

url = urllist[1]

print(url)

imgList = []

for ain range(len(urllist) -1):

url = urllist[a]

try:

html = requests.get(url).text

print(html)

        img1 = re.findall(img1Pattern, html)

img2 = re.findall(img2Pattern, html)

imgList = img1 + img2

title = re.findall(titlePattern, html)[0]

path = filepath + title[:-3]

print(path)

if not os.path.exists(path):

os.mkdir(path)

x =0

        for iin range(len(imgList) -1):

img = imgList[i]

imgPath = path +'/' +str(x) +'.jpg'

            urlretrieve(img, imgPath)

x +=1

    except Exception as e:

print(e)

if name =='main':

getImgUrls()

©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 204,189评论 6 478
  • 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 85,577评论 2 381
  • 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 150,857评论 0 337
  • 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 54,703评论 1 276
  • 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 63,705评论 5 366
  • 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 48,620评论 1 281
  • 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 37,995评论 3 396
  • 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 36,656评论 0 258
  • 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 40,898评论 1 298
  • 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 35,639评论 2 321
  • 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 37,720评论 1 330
  • 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 33,395评论 4 319
  • 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 38,982评论 3 307
  • 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 29,953评论 0 19
  • 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 31,195评论 1 260
  • 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 44,907评论 2 349
  • 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 42,472评论 2 342

推荐阅读更多精彩内容

  • Spring Cloud为开发人员提供了快速构建分布式系统中一些常见模式的工具(例如配置管理,服务发现,断路器,智...
    卡卡罗2017阅读 134,594评论 18 139
  • Python 面向对象Python从设计之初就已经是一门面向对象的语言,正因为如此,在Python中创建一个类和对...
    顺毛阅读 4,207评论 4 16
  • ¥开启¥ 【iAPP实现进入界面执行逐一显】 〖2017-08-25 15:22:14〗 《//首先开一个线程,因...
    小菜c阅读 6,351评论 0 17
  • 如果有这样的一件宝贝,我会遵从我的价值观吧,不是绝对的行善,也不是完全为所欲为。遇到需要帮忙的我们不能落后,但是每...
    梦游世界阅读 83评论 0 0
  • 某日苏学老师用一种极富情感色彩的语气,面对班上举起的仅九只的纤纤玉手,重叹了一句“悲惨啊!” 看其惊天地泣鬼神的悲...
    f028b4f46144阅读 318评论 0 0