python爬取煎蛋网图片

标签：web   keyword   span   .net   word   exce   操作   html   sts   

py2版本：

#-*- coding:utf-8 -*-
#from __future__ import unicode_liter
import urllib,urllib2,time
import re,sys,os
headers={
‘Referer‘:‘http://jandan.net/‘,
‘User-Agent‘:‘Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36‘,
?
}
def getimg(n=‘‘):
    req=urllib2.Request(‘http://jandan.net/ooxx‘+n,headers=headers)
?
    html=urllib2.urlopen(req).read()
    if n==‘‘:
    #print html
        reg= ‘‘‘<div class="text"><span class="righttext"><a href="//jandan.net/ooxx/page-(.*?)#comment-.*?">[\d]*</a></span><p><a href="//.*?"‘‘‘
    else:
        reg= ‘‘‘<div class="text"><span class="righttext"><a href="//jandan.net/ooxx/page-.*?#comment-.*?">[\d]*</a></span><p><a href="//(.*?)"‘‘‘
    reg=re.compile(reg)
    img=re.findall(reg,html)
    return img
a=1
#创建下载图片的文件夹
#dirpath=os.path.splitext(path)  分离文件名与扩展名；默认返回(fname,fextension)元组，可做分片操作
dirpath=os.getcwd()+‘/img‘
if not os.path.exists(dirpath):
    os.mkdir(dirpath)
#下载图片
nu=raw_input(‘你想获取多少页（每页大概11张图片）:‘)
nowpage=getimg()[0]
print nowpage
?
for n in range(int(nowpage)-int(nu)+1,int(nowpage)+1):
    print ‘获取第%s页‘%n
?
    for i in getimg(‘/page-%s‘%n):
        print ‘正在下载第%s张图片‘%a
        k=r‘http://‘+i
        print k
        urllib.urlretrieve(k, ‘img/%s‘ %i.split(‘/‘)[-1])
        #time.sleep(2) #出现响应超时的情况时加上这句
        a+=1
?
‘‘‘    
        try:
    
        #urllib.urlretrieve(i,‘img/%s‘%str(i)[-8:-1])
            urllib.urlretrieve(i,‘img/%s.png‘%a)
            a+=1
        except:
            print "Unexpected error:", sys.exc_info()[0]
‘‘‘
print ‘总共下载%s张图片‘%(int(a)-1)

py3版本：

?
#from __future__ import unicode_liter
import urllib.request
import re,sys,os
headers={
# ‘Cookie‘:‘__cfduid=df3295a9ee824f447e48bcda4f871d50f1505877948; _ga=GA1.2.1288199068.1505877788; _gid=GA1.2.1501836844.1505877789; _gat=1‘,
‘Referer‘:‘http://jandan.net/‘,
‘User-Agent‘:‘Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36‘,
?
}
def getimg(n=‘‘):
    req=urllib.request.Request(‘http://jandan.net/ooxx‘+n,headers=headers)
?
    html=urllib.request.urlopen(req).read().decode(‘utf-8‘)
    if n==‘‘:
    #print html
        reg= ‘‘‘<div class="text"><span class="righttext"><a href="//jandan.net/ooxx/page-(.*?)#comment-.*?">[\d]*</a></span><p><a href="//.*?"‘‘‘
    else:
        reg= ‘‘‘<div class="text"><span class="righttext"><a href="//jandan.net/ooxx/page-.*?#comment-.*?">[\d]*</a></span><p><a href="//(.*?)"‘‘‘
    reg=re.compile(reg)
    img=re.findall(reg,html)
    return img
?
a=1
#创建下载图片的文件夹
#dirpath=os.path.splitext(path)  分离文件名与扩展名；默认返回(fname,fextension)元组，可做分片操作
dirpath=os.getcwd()+‘/img‘
if not os.path.exists(dirpath):
    os.mkdir(dirpath)
#下载图片
nu=input(‘你想获取多少页（每页大概21张图片）:‘)
nowpage=getimg()[0]
print(nowpage)
?
for n in range(int(nowpage)-int(nu),int(nowpage)):
    print(‘获取第%s页‘%n)
?
    for i in getimg(‘/page-%s‘%n):
        print(‘正在下载第%s张图片‘%a)
        k=r‘http://‘+i
        print(k)
        urllib.request.urlretrieve(k, ‘img/%s‘ %i.split(‘/‘)[-1])
        a+=1
‘‘‘
        try:
    
        #urllib.urlretrieve(i,‘img/%s‘%str(i)[-8:-1])
            urllib.urlretrieve(i,‘img/%s.png‘%a)
            a+=1
        except:
            print "Unexpected error:", sys.exc_info()[0]
‘‘‘
print(‘总共下载%s张图片‘%(int(a)-1))

python爬取煎蛋网图片

标签：web   keyword   span   .net   word   exce   操作   html   sts   

原文地址：http://www.cnblogs.com/lajiao/p/7606203.html