python采集整站图片

记录学习Python历程

简单了解语法规则,尝试利用正则采集网站图片,结果还算理想,不过只写了手动查询的,自动采集加俩循环搞定,只是语法储备不足,还是有很多冗余代码,继续学习!!!继续撸起袖子加油干,奥利给!!!

import urllib.request
import re
import urllib
#函数返回值:cod 1为失败 0为成功

#函数返回值格式
def return_msg(cod,msg,data):
    res = {}
    res['cod'] = cod
    res['msg'] = msg
    res['data'] = data
    return res

#获取网页源码
def get_html(url):
    page = urllib.request.urlopen(url)
    html_a = page.read()
    return html_a.decode('utf-8')

#正则提取数组操作
def re_ac(html,reg):
    re_res = re.compile(reg)
    arr = re_res.findall(html)
    res = return_msg(1,"匹配失败",'')
    if len(arr) !=0:
        res = return_msg(0, "匹配成功", arr)
    return res

#正则提取数组操作 允许换行
def re_ac_tall(html,reg):
    re_res = re.compile(reg,re.DOTALL)
    arr = re_res.findall(html)
    res = return_msg(1,"匹配失败",'')
    if len(arr) != 0:
        res = return_msg(0, "匹配成功", arr)
    return res

#获取子页面地址
def get_son_url(html):
    urllist = re_ac(html,r'<a href="(.*?)" class="img"')
    return urllist

#获取子页面所有图片
def get_son_img(html):
    imglist =re_ac(html,r'<img class="lazy" src="(.*?)"')
    return imglist

#获取下一页链接
def get_nexturl(html):
    urls =re_ac(html,r'<div class="pageNum wp">(.*?)</div>')
    res = urls
    if urls['cod'] == 0:
        nexturl = urls['data']
        if nexturl != '':
            if '下一页' in nexturl:
                url = re_ac(nexturl,r '<a href="(.*?)">')
                res = url
                if url['cod'] == 1:
                    res = return_msg(2, "没有下一页了", '')
            else:
                res = return_msg(2, "没有下一页了", '')
        else:
            res = return_msg(1, "数据匹配失败", '')
    return res

# 获取分类
def get_class(html):
    info = re_ac_tall(html,r'<div class="subnav-l z">(.*?)</div>')
    res = info
    if info['cod'] == 0:
        infos = re_ac(info['data'][0], r'href="(.*?)" >(.*?)<')
        if infos['cod'] == 0:
            res = infos
        else:
            res = return_msg(1, "数据匹配失败", '')
    else:
        res = return_msg(1, "数据匹配失败", '')
    return res

host = "https://www."+"wo"+"yao"+"ge"+"xing"+".com"
#读取图片
html_b = get_html(host+"/touxiang/")
if html_b != '':
    n_class = get_class(html_b)
    n_class_data = n_class['data']
    if n_class['cod'] == 0:
        while True:
            i = 0
            print("PS:请根据序号查询分类图片")
            for v in n_class['data']:
                print(str(i) + '---' + str(v[1]))
                i += 1
            index = input("请输入查询序号:")
            if index == '-1':
                print("已退出查询")
                break
            elif int(index) > len(n_class['data']) or int(index) < 0:
                print("请输入正确的序号")
            else:
                page = input("请输入查询页码:")
                while int(page) <= 0:
                    print("请输入大于等于1的页码")
                    page = input("请输入查询页码:")
                print(host + n_class['data'][int(index)][0] + "index_" + page + ".html")
                class_url = host + n_class['data'][int(index)][0]
                if int(page) > 1:
                    class_url = host + n_class['data'][int(index)][0] + "/index_" + page + ".html"
                html_c = get_html(class_url)
                urllist = get_son_url(html_c)
                if urllist['cod'] == 0:
                    for url in urllist['data']:
                        html = get_html(host + url)
                        imgres = get_son_img(html)
                        if imgres['cod'] == 0:
                            print(imgres['data'])
                        else:
                            break
                            print(imgres)
                else:
                    break
                    print(urllist)
    else:
        print("分类获取失败")
else:
    print("数据查询失败")
©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 216,496评论 6 501
  • 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 92,407评论 3 392
  • 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 162,632评论 0 353
  • 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 58,180评论 1 292
  • 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 67,198评论 6 388
  • 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 51,165评论 1 299
  • 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 40,052评论 3 418
  • 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 38,910评论 0 274
  • 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 45,324评论 1 310
  • 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 37,542评论 2 332
  • 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 39,711评论 1 348
  • 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 35,424评论 5 343
  • 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 41,017评论 3 326
  • 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 31,668评论 0 22
  • 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 32,823评论 1 269
  • 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 47,722评论 2 368
  • 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 44,611评论 2 353

推荐阅读更多精彩内容