2019-08-01

如何下载图片

# 图片的下载
import requests
url = '[http://g.hiphotos.baidu.com/image/pic/item/5366d0160924ab18014cefd83bfae6cd7a890b82.jpg](qq://txfile/#)'
response = requests.get(url)
# 获取bytes类型的响应
data = response.content
with open('风景.jpg','wb') as f:
    f.write(data)

如何翻页

观察网页翻页后url的变化,运用range和参数传递实现翻页。

  for i in range(0, 250, 25):
        url = 'https://movie.douban.com/top250?start={}&filter='.format(i)

25为每一页展示的电影数量;start=x表示当前页面从序号x的电影开始。

1. 豆瓣电影TOP250爬虫

  • html源码


    豆瓣TOP250源码
  • 代码实现

import requests
from lxml import 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"}
    
    #观察网页翻页url的变化,运用range和参数传递实现翻页
    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:
                f.write(resp.content)


spider_douban_top250()

这里使用的是lxml.etree而不是之前的lxml.html,得到结果基本一致,但etree功能更多。

  • 爬取结果


    爬取的电影信息

    下载的图片

2. 爬取7k7k游戏信息

  • 7k7k网页源码


    7k7k源码
  • 代码实现
import requests
from lxml import etree
def spider_7k7k_top100():
    game_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"}
    #爬取10页
    for i in range(0, 10):
        url = 'http://www.7k7k.com/tag/134/index_{}.htm#p-anchor'.format(i)

        # 获取bytes类型响应
        data = requests.get(url, headers=headers).content
        html = etree.HTML(data)



        ul_list = html.xpath('//div[@id="recommend-new-most"]//div[@class="ui-slide-cont"]/ul/li')
        #print(ul_list)

        for game in ul_list:
            # 游戏名字
            game_name = game.xpath('./a[@class="li-top-a"]/span/text()')
            print(game_name)

            # 游戏封面的地址
            imgs =  game.xpath('./a[@class="li-top-a"]/img/@src')
            if imgs:
                game_img_url = game.xpath('./a[@class="li-top-a"]/img/@src')[0]
            print(game_img_url)


            # 游戏链接
            game_link = 'http://www.7k7k.com{}'.format(game.xpath('./a[@class="li-top-a"]/@href')[0])
            #game_link = game.xpath('./a[@class="li-top-a"]/@href')[0]
            print(game_link)


            game_list_info.append({
                'game_name': game_name,
                'game_link': game_link,
                'game_img_url': game_img_url
            })
    for game in game_list_info:
        print(game)

    #下载图片
    index = 1; #图片索引
    for game in game_list_info:
        url = game['game_img_url']
        resp = requests.get(url)
        if resp.status_code == 200:
            img_name = '0000000{}.jpg'.format(i)
            with open('./imgs/{}'.format(img_name), 'wb') as f:
                f.write(resp.content)
        i += 1


spider_7k7k_top100()
  • 爬取结果


    爬取结果
  • 游戏封面


    下载游戏封面
©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 218,386评论 6 506
  • 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 93,142评论 3 394
  • 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 164,704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 58,702评论 1 294
  • 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 67,716评论 6 392
  • 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 51,573评论 1 305
  • 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 40,314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 39,230评论 0 276
  • 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 45,680评论 1 314
  • 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 37,873评论 3 336
  • 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 39,991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 35,706评论 5 346
  • 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 41,329评论 3 330
  • 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 31,910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 33,038评论 1 270
  • 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 48,158评论 3 370
  • 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 44,941评论 2 355

推荐阅读更多精彩内容

  • 那些值得看5遍以上的电影! 最近是不是又闹剧荒? 还是烂剧看多了想洗眼? 如果是,锦地传媒专门为你准备的,豆瓣8分...
    锦地传媒阅读 495评论 0 0
  • 电影修复路在何方?——权利保护的视角 作者:娱乐法俱乐部(同名微信公众号) 无论时代如何变幻,书店中总会为四大名著...
    144ad0b250bc阅读 288评论 0 0
  • 目录 技术一面(23问) 技术二面(3大块) 性能优化(21点) 项目实战(34块) JAVA方向技术考察点(15...
    Java架构学习者阅读 531评论 1 0
  • 1、现代人多数是阳虚体质,艾灸能补阳,是适合的养生方式 为什么说现代人合适做艾灸呢,原因有以下几点 (1)吹空调,...
    巴里艾阅读 428评论 0 0
  • 脂肪肝,轻度有的仅有疲乏感,而多数脂肪肝患者较胖,故更难发现轻微的自觉症状。中重度有类似慢性肝炎的表现,可有食欲不...
    井冈工社阅读 240评论 0 0