Python爬虫之爬取豆瓣美女图

写在前面

这么久了,代码还是那么烂。。。。

环境:Windows10
编辑器:Pycharm
用到的库:os requests bs4
URL = www.dbmeinv.com

开始爬取

第一步:获取单页图片地址

网页结构



图片放在ul标签下的img标签下面,所以我们可以这样写代码

def get_Imgs(url):
    try:
        headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3112.113 Safari/537.36'}
        response = requests.get(url, headers=headers)
        response.raise_for_status() //判断状态码是否为200
        response.encoding = response.apparent_encoding 
        #response.encoding = 'utf-8'
        soup = BeautifulSoup(response.text, 'lxml')

        for url in soup.find('ul', {'class':'thumbnails'}).find_all('img'):
            all_url.append(url['src'])
        return all_url
    except:
        return "error"
第二步:抓取多页

URL结构



抓取多页的话就可以改一下URL后边的数字,代码可以这样写

url = 'https://www.dbmeinv.com/?pager_offset='
    try:
        for i in range(10):
            get_Imgs(url + str(i))
    except:
        return "error"
第三步:保存图片

def save_imgs():
    dir_name = 'pic'
    if not os.path.exists(dir_name):
        os.mkdir(dir_name)
        os.chdir(dir_name)
    try:
        for i,url in enumerate(all_url):
            with open('./' + str(i) + '.jpg', 'wb') as f:
                f.write(requests.get(url).content)
    except:
        return "error"

放上完整的代码

import os
import requests
from bs4 import BeautifulSoup

all_url = []

def get_Imgs(url):
    try:
        headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3112.113 Safari/537.36'}
        response = requests.get(url, headers=headers)
        response.raise_for_status()
        response.encoding = response.apparent_encoding
        soup = BeautifulSoup(response.text, 'lxml')

        for url in soup.find('ul', {'class':'thumbnails'}).find_all('img'):
            all_url.append(url['src'])
        return all_url
    except:
        return "error"


def save_imgs():
    dir_name = 'pic'
    if not os.path.exists(dir_name):
        os.mkdir(dir_name)
        os.chdir(dir_name)
    try:
        for i,url in enumerate(all_url):
            with open('./' + str(i) + '.jpg', 'wb') as f:
                f.write(requests.get(url).content)
    except:
        return "error"
def main():
    url = 'https://www.dbmeinv.com/?pager_offset='
    try:
        for i in range(200):
            get_Imgs(url + str(i))
    except:
        return "error"
    save_imgs()


if __name__ == '__main__':
    main()

嘿嘿嘿


成果
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成,浏览时请结合常识与多方信息审慎甄别。
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。

相关阅读更多精彩内容

友情链接更多精彩内容