python|python 爬虫下载图片(煎蛋)
我所用到的库BeautifulSoup,requests
# encoding:utf-8import os, urllib, re, urllib2, requests, gzip
from StringIO import StringIO
from bs4 import BeautifulSoup# 加上头部信息伪装成浏览器
req_header = {
'User-Agent': 'Mozilla/4.0 (Windows NT 6.1) AppleWebKit/537.11 (KHTML, like Gecko) '
'Chrome/23.0.1271.64 Safari/537.11',
'Accept': 'text/html;
q=0.9,*/*;
q=0.8',
'Accept-Charset': 'ISO-8859-1,utf-8;
q=0.7,*;
q=0.3',
'Accept-Encoding': 'gzip',
'Connection': 'close',
'Referer': None# 注意如果依然不能抓取的话,这里可以设置抓取网站的host
}# 传入URL获取网页文本信息
def get_html(url):
# page = requests.get(url)
req = urllib2.Request(url=url, headers=req_header)
res = urllib2.urlopen(req, timeout=5)
html = res.read()print 'Content-Encoding :', res.info().get('Content-Encoding')# 如果网页通过gzip压缩,需要解压
if res.info().get('Content-Encoding') == 'gzip':
buf = StringIO(html)
f = gzip.GzipFile(fileobj=buf)
html = f.read()
return html# 根据html网页匹配其中所有 src=https://www.it610.com/article/.....jpg 的信息 并返回链接列表
def get_imglink(html_text):
img = re.compile(r'src="https://www.it610.com/article/(.+?\.jpg)"')
imglist = re.findall(img, html_text)
return imglist# 用bs获取图片链接
def get_imglink2(html_text):
bs = BeautifulSoup(html_text, 'html.parser', from_encoding='utf-8')
links = bs.find_all('img')
imglist = []
for link in links:
imglist.append(link.get('src'))
return imglist# 根据链接列表获取到图片,写入文件用的是requests 比urllib稳定
def get_img2(imgs, path):
dirname = './%s' % path
if not os.path.exists(dirname):
os.makedirs(dirname)
for imgurl in imgs:
filename = imgurl.split('/')[-1]
local = os.path.join(dirname, filename)
print local
try:
with open(local, 'wb') as jpg:
jpg.write(requests.get('http:'+imgurl, stream=True, headers=req_header).content)
except requests.RequestException,e:
print eif __name__ == '__main__':
for num in range(3):
html = get_html('http://jandan.net/ooxx/page-%s#comments' % str(2000 - num))
imgs = get_imglink2(html)
get_img2(imgs, u'你要的图')
print u'图片共:', len(imgs)
- 【python|python 爬虫下载图片(煎蛋)】煎蛋网的页面是gzip压缩后的,需要解压再,从中解析element
- try except 是有的imgurl前面有http前缀,有的没有。所以循环是request会抛出异常
- with 语句用来打开文件很好,可以自动关闭流。
推荐阅读
- python学习之|python学习之 实现QQ自动发送消息
- 逻辑回归的理解与python示例
- python自定义封装带颜色的logging模块
- 【Leetcode/Python】001-Two|【Leetcode/Python】001-Two Sum
- Python基础|Python基础 - 练习1
- Python爬虫|Python爬虫 --- 1.4 正则表达式(re库)
- Python(pathlib模块)
- python青少年编程比赛_第十一届蓝桥杯大赛青少年创意编程组比赛细则
- Python数据分析(一)(Matplotlib使用)
- 爬虫数据处理HTML转义字符