快捷導(dǎo)航

Python爬蟲爬取煎蛋網(wǎng)圖片代碼實(shí)例

更新時(shí)間：2019年12月16日 11:48:55 作者：Leslie_Chan

這篇文章主要介紹了Python爬蟲爬取煎蛋網(wǎng)圖片代碼實(shí)例,文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下

今天，試著爬取了煎蛋網(wǎng)的圖片。

用到的包：

urllib.request
os

分別使用幾個(gè)函數(shù)，來控制下載的圖片的頁數(shù)，獲取圖片的網(wǎng)頁，獲取網(wǎng)頁頁數(shù)以及保存圖片到本地。過程簡(jiǎn)單清晰明了

直接上源代碼：

import urllib.request
import os


def url_open(url):
  req = urllib.request.Request(url)
  req.add_header('user-agent','Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.100 Safari/537.36')
  response = urllib.request.urlopen(url)
  html = response.read()

  return html

def get_page(url):
  html = url_open(url).decode('utf-8')

  a = html.find('current-comment-page')+23
  b = html.find(']',a)

  return html[a:b]


def find_imgs(url):
  html = url_open(url).decode('utf-8')
  img_addrs = []

  a = html.find('img src=')

  while a != -1:
    b = html.find('.jpg',a ,a+255)
    if b != -1:
      img_addrs.append('https:'+html[a+9:b+4]) # 'img src='為9個(gè)偏移 '.jpg'為4個(gè)偏移
    else:
      b = a+9
    a = html.find('img src=', b)

  return img_addrs


def save_imgs(folder, img_addrs):
  for each in img_addrs:
    filename = each.split('/')[-1]
    with open(filename, 'wb') as f:
      img = url_open(each)
      f.write(img)
    print(img_addrs)

def download_mm(folder = 'xxoo', pages = 5):
  os.mkdir(folder)
  os.chdir(folder)

  url = 'http://jandan.net/ooxx/'
  page_num = int(get_page(url))

  for i in range(pages):
    page_num -= i
    page_url = url + 'page-'+ str(page_num) + '#comments'
    img_addrs = find_imgs(page_url)
    save_imgs(folder, img_addrs)

if __name__ == '__main__':
  download_mm()

其中在主函數(shù)download_mm()中，將pages設(shè)置在了5面。

本來設(shè)置的是10，但是在程序執(zhí)行的過程中。出現(xiàn)了404ERROR錯(cuò)誤

即imgae_url出現(xiàn)了錯(cuò)誤。嘗試著在save_img()函數(shù)中加入了測(cè)試代碼：print(img_addrs)，