Python爬蟲之爬取豆瓣美女圖

寫在前面

這么久了,代碼還是那么爛。。。。

環(huán)境:Windows10
編輯器:Pycharm
用到的庫:os requests bs4
URL = www.dbmeinv.com

開始爬取

第一步:獲取單頁圖片地址

網(wǎng)頁結(jié)構(gòu)



圖片放在ul標(biāo)簽下的img標(biāo)簽下面,所以我們可以這樣寫代碼

def get_Imgs(url):
    try:
        headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3112.113 Safari/537.36'}
        response = requests.get(url, headers=headers)
        response.raise_for_status() //判斷狀態(tài)碼是否為200
        response.encoding = response.apparent_encoding 
        #response.encoding = 'utf-8'
        soup = BeautifulSoup(response.text, 'lxml')

        for url in soup.find('ul', {'class':'thumbnails'}).find_all('img'):
            all_url.append(url['src'])
        return all_url
    except:
        return "error"
第二步:抓取多頁

URL結(jié)構(gòu)



抓取多頁的話就可以改一下URL后邊的數(shù)字,代碼可以這樣寫

url = 'https://www.dbmeinv.com/?pager_offset='
    try:
        for i in range(10):
            get_Imgs(url + str(i))
    except:
        return "error"
第三步:保存圖片

def save_imgs():
    dir_name = 'pic'
    if not os.path.exists(dir_name):
        os.mkdir(dir_name)
        os.chdir(dir_name)
    try:
        for i,url in enumerate(all_url):
            with open('./' + str(i) + '.jpg', 'wb') as f:
                f.write(requests.get(url).content)
    except:
        return "error"

放上完整的代碼

import os
import requests
from bs4 import BeautifulSoup

all_url = []

def get_Imgs(url):
    try:
        headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3112.113 Safari/537.36'}
        response = requests.get(url, headers=headers)
        response.raise_for_status()
        response.encoding = response.apparent_encoding
        soup = BeautifulSoup(response.text, 'lxml')

        for url in soup.find('ul', {'class':'thumbnails'}).find_all('img'):
            all_url.append(url['src'])
        return all_url
    except:
        return "error"


def save_imgs():
    dir_name = 'pic'
    if not os.path.exists(dir_name):
        os.mkdir(dir_name)
        os.chdir(dir_name)
    try:
        for i,url in enumerate(all_url):
            with open('./' + str(i) + '.jpg', 'wb') as f:
                f.write(requests.get(url).content)
    except:
        return "error"
def main():
    url = 'https://www.dbmeinv.com/?pager_offset='
    try:
        for i in range(200):
            get_Imgs(url + str(i))
    except:
        return "error"
    save_imgs()


if __name__ == '__main__':
    main()

嘿嘿嘿


成果
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成,瀏覽時請結(jié)合常識與多方信息審慎甄別。
平臺聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點(diǎn),簡書系信息發(fā)布平臺,僅提供信息存儲服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容