快捷導(dǎo)航

python采集博客中上傳的QQ截圖文件

更新時間：2014年07月18日 09:06:21 投稿：junjie

這篇文章主要介紹了python采集博客中上傳的QQ截圖文件,因為文件名包含中文會在某些時候亂碼,例如這件的文件名QQ截圖20120926174732,所以需要采集出來修改掉,需要的朋友可以參考下

哎，以前寫博文的時候沒注意，有些圖片用QQ來截取，獲得的圖片文件名都是類似于QQ截圖20120926174732-300×15.png的形式，昨天用ftp備份網(wǎng)站文件的時候發(fā)現(xiàn)，中文名在flashfxp里面顯示的是亂碼的，看起來好難受，所以寫了一個python小腳本，爬取整個網(wǎng)站，然后獲取每個文章頁面的圖片名，并判斷如果是類似于QQ截圖20120926174732-300×15.png的形式就輸出并將該圖片地址和對應(yīng)的文章地址保存在文件中，然后通過該文件來逐個修改。

好了，下面是程序代碼：

import urllib2
from bs4 import BeautifulSoup
import re
import sys
reload(sys)
sys.setdefaultencoding('utf-8')
 
baseurl = "http://www.dbjr.com.cn/dont-worry.html"
#說明下，起始地址是第一篇文章的地址，通過該文章的頁面就
#可以使用BeautifulSoup模塊來獲取上一篇文章的地址
 
file = open(r"E:\123.txt","a")
 
def pageloop(url):
  page = urllib2.urlopen(url)
  soup = BeautifulSoup(page)
  img = soup.findAll(['img'])
  if img == []:
    print "當前頁面沒有圖片"
    return
  else:
    for myimg in img:
      link = myimg.get('src')
      print link
      
      pattern = re.compile(r'QQ\S*[0-9]*png')
      badimg = pattern.findall(str(link))
      if badimg:
        print url
        file.write(link + "\n")
        file.write(url+"\n")
      
 
 
def getthenextpage(url):
  pageloop(url)
  page = urllib2.urlopen(url)
  soup = BeautifulSoup(page)
  for spanclass in soup.findAll(attrs={"class" : "article-nav-prev"}):
    #print spanclass
    if spanclass.find('article-nav-prev') != -1:
      pattern = re.compile(r'http://www.dbjr.com.cn/\S*html')
      pageurl = pattern.findall(str(spanclass))
      for i in pageurl:
        #print i
        getthenextpage(i)
       
      
 
getthenextpage(baseurl)
 
 
 
print "the end!"
file.close()

最后，對和我以前剛開始做網(wǎng)站的同學說下，圖片命名的話最好是用數(shù)字形式或者是英文、拼音的形式，要不然到最后想修改的話就麻煩了，所以最好就是從剛開始就養(yǎng)成好的習慣，用正確的命名規(guī)范來問文章、圖片來命名，這樣就會好很多。

您可能感興趣的文章: