Python 爬虫 七夕福利

2018-08-21 05:41:45来源:博客园 阅读 ()

新老客户大回馈,云服务器低至5折

祝大家七夕愉快

妹子图

 1 import requests
 2 from lxml import etree
 3 import os
 4 def headers(refere):#图片的下载可能和头部的referer有关,所以将referer设为变换值,以躲避反扒
 5     headers = {
 6         'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36',
 7         'Refere': '{}'.format(refere)}
 8     return headers
 9 def Tuji(pag):#找图集
10     fullurl = 'http://www.mzitu.com/page/{}/'.format(pag)
11     shouye_html_text = requests.get(fullurl).text
12     shouye_ele = etree.HTML(shouye_html_text)
13     tj_list = shouye_ele.xpath('//*[@id="pins"]/li/a/@href')#找每页的图集url
14     Tuji_url_list = []
15     for tj_url in tj_list:
16         Tuji_url_list.append(tj_url)
17     return Tuji_url_list
18 def gettuji_info(tj_url_list):#图集的url列表 收集图集的相关信息
19     for tj_url_1 in tj_url_list: #tj_url_1 --- > http://www.mzitu.com/146823
20         tj_html_text = requests.get(tj_url_1, headers=headers(tj_url_1)).text
21         tj_ele = etree.HTML(tj_html_text)
22         img_title = tj_ele.xpath('//h2[@class="main-title"]/text()')[0]  # 图集名称
23         max_pag_list = int(tj_ele.xpath('/html/body/div[2]/div[1]/div[4]/a[5]/span/text()')[0])  # 找最大页数
24         if os.path.exists(img_title):
25             pass
26         else:
27             os.mkdir(img_title)
28         for i in range(1, int(max_pag_list + 1)):
29             tj_url_2 = tj_url_1 + '/'+str(i)  #tj_url_2 ---> http://www.mzitu.com/146823 + pag
30             tj_html = requests.get(tj_url_2, headers=headers(tj_url_1))
31             tj_html_text = tj_html.text
32             tj_ele = etree.HTML(tj_html_text)
33             img_url = tj_ele.xpath('//div[@class="main-image"]/p/a/img/@src')[0] # 从不同的tj_url_2中找图片的url
34             print('正在下载'+img_title+''+str(i)+'')
35             with open(img_title+'/'+str(i)+'.jpg', "wb+") as jpg:
36                 jpg.write(requests.get(img_url, headers=headers(tj_url_2)).content)
37             jpg.close()
38 if __name__ == '__main__':
39     pags = int(input('你想搞几页的嘿嘿?'))
40     for pag in range(1,pags+1):
41         gettuji_info(Tuji(pag))

 

标签:

版权申明:本站文章部分自网络,如有侵权,请联系:west999com@outlook.com
特别注意:本站所有转载文章言论不代表本站观点,本站所提供的摄影照片,插画,设计作品,如需使用,请与原作者联系,版权归原作者所有

上一篇:Python真的无所不能!连黑客技术都要用它!你知道要用哪些技术吗

下一篇:python学习: list 函数使用(复习)