python3爬虫-快速入门-爬取图片和标题
程序员文章站
2023-01-29 09:35:11
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 再来个爬去标题类的 这个是下载小说的 (别人的代码) ......
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')
推荐阅读
-
python3爬虫-快速入门-爬取图片和标题
-
用python3爬取微博的数据和图片
-
Python3爬虫爬取百姓网列表并保存为json功能示例【基于request、lxml和json模块】
-
Python3实现爬虫爬取赶集网列表功能【基于request和BeautifulSoup模块】
-
Python爬虫入门教程 26-100 知乎文章图片爬取器之二
-
Python爬虫入门教程 25-100 知乎文章图片爬取器之一
-
Python实战快速上手BeautifulSoup库爬取专栏标题和地址
-
python3爬虫爬取网页图片简单示例
-
python3爬虫-快速入门-爬取图片和标题
-
Python3爬虫之爬取网站图片