| 注册
请输入搜索内容

热门搜索

Java Linux MySQL PHP JavaScript Hibernate jQuery Nginx
LueOsburn
8年前发布

python实现爬虫下载美女图片

[Python]代码    

#-*- coding:utf-8 -*- http://www.aichengxu.com  import urllib2  import re  import requests  from lxml import etree    这些是要导入的库,代码并没有使用正则,使用的是xpath,正则困难的童鞋可以尝试使用下    推荐各位先使用基本库来写,这样可以学习到更多    links=[]    #遍历url的地址  k=1      print u'请输入最后的页数:'  endPage=int(raw_input())    #最终的页数  (r'\d+(?=\s*页) 这是一个比较通用的正则抓取总页数的代码,当然最后要group    #这里是手动输入页数,避免内容太多    for j in range(0,endPage):    url='http://tieba.baidu.com/f?kw=%E7%BE%8E%E5%A5%B3&ie=utf-8&pn='+str(j)      #页数的url地址    html=urllib2.urlopen(url).read()                #读取首页的内容    selector=etree.HTML(html)              #转换为xml,用于在接下来识别    links=selector.xpath('//div/a[@class="j_th_tit"]/@href')        #抓取当前页面的所有帖子的url    #大家可以使用浏览器自带的源码查看工具,在指定目标处查看元素,这样更快捷      for i in links:      url1="http://tieba.baidu.com"+i      #因为爬取到的地址是相对地址,所以要加上百度的domain      html2=urllib2.urlopen(url1).read()      #读取当前页面的内容      selector=etree.HTML(html2)          #转换为xml用于识别      link=selector.xpath('//img[@class="BDE_Image"]/@src')    #抓取图片,各位也可以更换为正则,或者其他你想要的内容    #此处就是遍历下载      for each in link:        #print each        print u'正在下载%d'%k        fp=open('image/'+str(k)+'.bmp','wb')      #下载在当前目录下 image文件夹内,图片格式为bmp        image1=urllib2.urlopen(each).read()        #读取图片的内容        fp.write(image1)                  #写入图片        fp.close()        k+=1    #k就是文件的名字,每下载一个文件就加1    print u'下载完成!'