Python爬虫爬取煎蛋网图片代码实例


Posted in Python onDecember 16, 2019

这篇文章主要介绍了Python爬虫爬取煎蛋网图片代码实例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下

今天,试着爬取了煎蛋网的图片。

用到的包:

  • urllib.request
  • os

分别使用几个函数,来控制下载的图片的页数,获取图片的网页,获取网页页数以及保存图片到本地。过程简单清晰明了

直接上源代码:

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='为9个偏移 '.jpg'为4个偏移
    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()

其中在主函数download_mm()中,将pages设置在了5面。

本来设置的是10,但是在程序执行的过程中。出现了404ERROR错误

即imgae_url出现了错误。尝试着在save_img()函数中加入了测试代码:print(img_addrs),

Python爬虫爬取煎蛋网图片代码实例

想到会不会是因为后面页数的图片,img_url的格式出现了改变,导致404,所以将pages改成5,

再次运行,结果没有问题,图片能正常下载:

Python爬虫爬取煎蛋网图片代码实例

仔细观察发现,刚好是在第五面的图片往后,出现了不可下载的问题(404)。所以在煎蛋网上,我们直接跳到第6面查看图片的url。

Python爬虫爬取煎蛋网图片代码实例

上图是后5面的图片url,下图是前5面的图片url

Python爬虫爬取煎蛋网图片代码实例

而源代码中,寻找的图片url为使用find()函数,进行定为<img src=‘'> <.jpg>中的图片url,所以后5面出现的a href无法匹配,即出现了404 ERROR。如果想要下载后续的图片,需要重新添加一个url定位

即在find中将 img src改成 a href,偏移量也需要更改。

总结:

使用find()来定位网页标签确实太过low,所以以后在爬虫中要尽量使用正则表达式和Beautifulsoup包来提高效率,而这两项我还不是特别熟,所以需要更多的训练。

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持三水点靠木。

Python 相关文章推荐
在Python中操作字符串之startswith()方法的使用
May 20 Python
详解Django中Request对象的相关用法
Jul 17 Python
Python 自动刷博客浏览量实例代码
Jun 14 Python
python安装Scrapy图文教程
Aug 14 Python
python实现八大排序算法(2)
Sep 14 Python
浅谈python中字典append 到list 后值的改变问题
May 04 Python
Python数据分析:手把手教你用Pandas生成可视化图表的教程
Dec 15 Python
Python实现查找二叉搜索树第k大的节点功能示例
Jan 24 Python
[机器视觉]使用python自动识别验证码详解
May 16 Python
python读写csv文件并增加行列的实例代码
Aug 01 Python
将自己的数据集制作成TFRecord格式教程
Feb 17 Python
安装python依赖包psycopg2来调用postgresql的操作
Jan 01 Python
python实现监控阿里云账户余额功能
Dec 16 #Python
Python实现密码薄文件读写操作
Dec 16 #Python
如何基于Python实现电子邮件的发送
Dec 16 #Python
Python如何基于selenium实现自动登录博客园
Dec 16 #Python
Python正则表达式急速入门(小结)
Dec 16 #Python
如何基于Python制作有道翻译小工具
Dec 16 #Python
django框架单表操作之增删改实例分析
Dec 16 #Python
You might like
php 搜索框提示(自动完成)实例代码
2012/02/05 PHP
修复ShopNC使用QQ 互联时提示100010 错误
2015/11/08 PHP
PHP中抽象类和抽象方法概念与用法分析
2016/05/24 PHP
Javascript Object.extend
2010/05/18 Javascript
JS实现点击图片在当前页面放大并可关闭的漂亮效果
2013/10/18 Javascript
jQuery插件开发详细教程
2014/06/06 Javascript
JS实现图片高亮展示效果实例
2015/11/24 Javascript
JQuery解析XML的方法小结
2016/04/02 Javascript
JS组件Bootstrap实现图片轮播效果
2016/05/16 Javascript
详解JS几种变量交换方式以及性能分析对比
2016/11/25 Javascript
node.js 核心http模块,起一个服务器,返回一个页面的实例
2017/09/11 Javascript
微信小程序之自定义组件的实现代码(附源码)
2018/08/02 Javascript
Vue2.0 v-for filter列表过滤功能的实现
2018/09/07 Javascript
JS匿名函数内部this指向问题详析
2019/05/10 Javascript
微信小程序如何修改radio和checkbox的默认样式和图标
2019/07/24 Javascript
[04:16]完美世界DOTA2联赛PWL S2 集锦第一期
2020/11/23 DOTA
python基础教程之Hello World!
2014/08/29 Python
详解用TensorFlow实现逻辑回归算法
2018/05/02 Python
获取python的list中含有重复值的index方法
2018/06/27 Python
Python3 使用map()批量的转换数据类型,如str转float的实现
2019/11/29 Python
通过实例了解Python str()和repr()的区别
2020/01/17 Python
Keras设定GPU使用内存大小方式(Tensorflow backend)
2020/05/22 Python
Python基于os.environ从windows获取环境变量
2020/06/09 Python
通过cmd进入python的步骤
2020/06/16 Python
pandas 数据类型转换的实现
2020/12/29 Python
h5调用摄像头的实现方法
2016/06/01 HTML / CSS
法国时尚品牌乐都特瑞士站:La Redoute瑞士
2016/09/05 全球购物
Giglio英国站:意大利奢侈品购物网
2018/03/06 全球购物
奥地利时尚、美容、玩具和家居之家:Kastner & Öhler
2020/04/26 全球购物
Shell如何接收变量输入
2016/08/06 面试题
中职生自我鉴定范文
2013/10/03 职场文书
电气自动化个人求职信范文
2014/02/03 职场文书
致裁判员加油稿
2014/02/08 职场文书
煤矿开采专业求职信
2014/07/08 职场文书
2014最新实习证明模板
2014/10/02 职场文书
语文复习计划
2015/01/19 职场文书