码迷,mamicode.com
首页 > 编程语言 > 详细

python3爬虫-快速入门-爬取图片和标题

时间:2018-07-15 23:16:18      阅读:291      评论:0      收藏:0      [点我收藏+]

标签:浏览器   content   getcwd   思路   int   ike   gen   shu   list   

直接上代码,先来个爬取豆瓣图片的,大致思路就是发送请求-得到响应数据-储存数据,原理的话可以先看看这个

https://www.cnblogs.com/sss4/p/7809821.html

import os#同来创造文件夹
import requests#发送请求和得到响应用的
from bs4 import BeautifulSoup#用来解析回应的数据

def GetHtmlText(url):#得到响应数据
    try:
        r = requests.get(url)#发送url
        r.raise_for_status()#判断是否成功
        r.encoding = utf-8#设置编码格式
        return r.text#返回他的响应数据
    except:
        return ‘‘
def main(pages):
    filepath=os.getcwd()+\爬的图片\\#创造一个文件夹
    if not os.path.exists(filepath):#如果没有则创造
        os.makedirs(filepath)

    pagenum=pages#要爬取的页数
    fnum=1
    for page in range(pages):
        url="https://movie.douban.com/celebrity/1048000/photos/?type=C&start="+str(page*30)+&sortby=like&size=a&subtype=a#第几页
        html=GetHtmlText(url)
        soup=BeautifulSoup(html,html.parser)#html。parser是解析器
        uls=soup.find_all(ul,class_="poster-col3 clearfix")#从响应的数据中找到ul class是xxxx的数据
        for ul in uls:
            imgs=ul.find_all(img) #找到img的标签
            for img in imgs:
                imgurl=img[src]#得到img的url
                imgcontent=requests.get(imgurl).content#得到这个url下的内容content,应该是二进制的
                filename=str(fnum)+.jpg
                with open(filepath+filename,wb) as wf:#二进制形式写入数据
                    wf.write(imgcontent)
                fnum+=1


if __name__ == __main__:
    main(9)

再来个爬去标题类的

import requests
from bs4 import BeautifulSoup

url="http://www.jianshu.com"
headers={User-Agent:SE 2.X MetaSr 1.0}#设置请求头的User-Agent,理解的话可以认为是从哪个浏览器发出的,不然的话会被反爬虫
page=requests.get(url=url,headers=headers)
page_info=page.text
page_bf=BeautifulSoup(page_info,html.parser)

#print(page_bf.prettify())
titles=page_bf.find_all(a,title)

for title in titles:
    print(title.string)
    print(http://www.jianshu.com+title.get(href))
with open(r"D:\untitled\爬虫爬到的标题.txt","w",encoding=utf-8) as file:
    for title in titles:
        file.write(title.string+\n)
        file.write("http://www.jianshu.com"+title.get(href)+\n\n)

这个是下载小说的---(别人的代码)

from bs4 import BeautifulSoup
import requests,sys
class downloader(object):
    def __init__(self):
        self.server="http://www.biqukan.com/"
        self.target="http://www.biqukan.com/1_1094"
        self.name=[]
        self.urls=[]
        self.nums=0

    def get_download_url(self):
        req=requests.get(url=self.target)
        html=req.text
        div_bf=BeautifulSoup(html)
        div=div_bf.find_all(div,class_=listmain)
        a_bf=BeautifulSoup(str(div[0]))
        a=a_bf.find_all(a)
        self.nums=len(a[15:])
        for each in a[15:]:
            self.name.append(each.string)
            self.urls.append(self.server+each.get(href))
    def get_contents(self ,target):
        req=requests.get(url=target)
        html=req.text
        bf=BeautifulSoup(html)
        texts=bf.find_all(div,class_=showtxt)
        texts=texts[0].text.replace(\xa0*8,\n\n)
        return texts
    def writer(self,name,path,text):
        write_flag=True
        with open(path,"a",encoding=utf-8) as f:
            f.write(name+\n)
            f.writelines(text)
            f.write(\n\n)

dl=downloader()
dl.get_download_url()
print("开始下载")
for i in range(dl.nums):
    dl.writer(dl.name[i], 一念永恒.txt, dl.get_contents(dl.urls[i]))
    sys.stdout.write("  已下载:%.3f%%" %  float(i/dl.nums) + \r)
    sys.stdout.flush()
print(《一年永恒》下载完成)

 

python3爬虫-快速入门-爬取图片和标题

标签:浏览器   content   getcwd   思路   int   ike   gen   shu   list   

原文地址:https://www.cnblogs.com/wpbing/p/9315167.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!