Python爬取美女图片 爬虫基础

Python爬取美女图片 爬虫基础Python爬取美女图片爬虫基础简述实现思路关键代码文件下载爬虫代码成果简述作为一个考研狗,每天除了日复一日的复习外,偶尔也想给自己寻找一些生活的小乐趣,今天突然想到了自己曾经稍微接触的爬虫,想看看可以爬取些图片放到电脑上,就花了些时间改了改之前的爬虫代码,爬取了一部分照片先量一下战绩吧。照片不多但也算是自己的一次爬虫小经验。实现思路爬虫的网页很简单,照片真实路径都在页面中直接可以拿到主要流程就是先进入照片浏览的主页,每个照片的主页都会链接几个照片页面,像下面这样,每个图片都会链接一个网页

大家好,又见面了,我是你们的朋友全栈君。

简述

作为一个考研狗,每天除了日复一日的复习外,偶尔也想给自己寻找一些生活的小乐趣,今天突然想到了自己曾经稍微接触的爬虫,想看看可以爬取些图片放到电脑上,就花了些时间改了改之前的爬虫代码,爬取了一部分照片先量一下战绩吧。照片不多但也算是自己的一次爬虫小经验。
在这里插入图片描述在这里插入图片描述

实现思路

爬虫的网页很简单,照片真实路径都在页面中直接可以拿到
主要流程就是先进入照片浏览的主页,每个照片的主页都会链接几个照片页面,像下面这样,每个图片都会链接一个网页
在这里插入图片描述图片链接的网页如下图所示
在这里插入图片描述
但是这个页面显示的图片还是不够高清,这个网站有一个规律,更高清的照片存放的网页就在现在这个页面的路径后跟一个 -1920×1080 的htm中,进入这个htm之后展示的照片才是我们要的,拿到图片的url就直接下载就好,就这样一直循环,所有的照片就都下载下来了。

关键代码

文件下载

import requests
import time


def downloadFile(name, url):
    try:
        headers = { 
   'Proxy-Connection': 'keep-alive'}
        r = requests.get(url, stream=True, headers=headers)
        print("=========================")
        print(r)
        length = float(r.headers['Content-length'])
        f = open(name, 'wb')
        count = 0
        count_tmp = 0
        time1 = time.time()
        for chunk in r.iter_content(chunk_size=512):
            if chunk:
                f.write(chunk)  # 写入文件
                count += len(chunk)  # 累加长度
                # 计算时间 两秒打印一次
                if time.time() - time1 > 2:
                    p = count / length * 100
                    speed = (count - count_tmp) / 1024 / 1024 / 2
                    count_tmp = count
                    print(name + ': ' + formatFloat(p) + '%' + ' Speed: ' + formatFloat(speed) + 'M/S')
                    time1 = time.time()
        f.close()
        return 1;
    except:
        print("出现异常")
        return 0;


def formatFloat(num):
    return '{:.2f}'.format(num)


if __name__ == '__main__':
    downloadFile('D://file//photo//hd.jpg',
                 'https://browser9.qhimg.com/bdr/__85/t01753453b660de14e9.jpg')

文件下载没什么好说的,复制就可以用,这里做了一个异常捕获的处理,因为可能出现连接不上资源,或则目标服务器强制关闭连接的可能,做这个异常处理就是为了判断有没有异常出现,从而进行相应的处理

爬虫代码

# -*- codeing = utf-8 -*-
# @Time : 2021/6/19 23:01
# @Author : xiaow
# @File : PhotoSpider.py
# @Software : PyCharm
from bs4 import BeautifulSoup  # 网页解析
import xlwt  # excel操作
import sqlite3  # 数据库操作
from api import spider2 as spider
import time
from api import FileDownload as fd
import re  # 正则表达式
imglink = re.compile(r'<a href="(.*?)" target="_blank" title=".*?"><img alt=".*?" src=".*?"/><b>.*?</b></a>', re.S)
img2link = re.compile(r'<a href="(.*?)" target="_blank">.*?<span>(1680x1050)</span></a>', re.S)
img3link = re.compile(r'<img alt=".*?" src="(.*?)" title=".*?"/>', re.S)
# 获取照片页面路径
def getPhoto(url):
srcs = []
html = spider.askURL(url);
bs = BeautifulSoup(html, "html.parser");
for item in bs.find_all('a', target="_blank"):
item = str(item)
src = re.findall(imglink, item)
if (len(src) != 0):
srcs.append("http://www.netbian.com" + src[0])
return srcs;
# 照片主页显示的照片不够清楚,这里根据这个网站存储照片的规律,拼接了一个地址,这个地址的照片比较高清一些
def getPhotoUrl(url):
purls = [];
url3 = "http://www";
url2 = url.split(".")
for j in range(1, len(url2)):
if j == len(url2) - 2:
url3 = url3 + "." + url2[j] + "-1920x1080"
else:
url3 = url3 + "." + url2[j]
return (url3)
# 下载照片
def downloadPhoto(url):
html = spider.askURL(url);
bs = BeautifulSoup(html, "html.parser");
for item in bs.find_all("img"):
item=str(item)
itemsrc=re.findall(img3link,item)
if(len(itemsrc)!=0):
return itemsrc[0]
if __name__ == '__main__':
src = "http://www.netbian.com/mei/index_";
# 拼接照片主页的路径
for i in range(2,163):
time.sleep(5)
src2 = "";
src2=src+str(i)+".htm"
urls=getPhoto(src2)
for j in range(len(urls)):
time.sleep(3)
fd.downloadFile('D://file//photo//hd'+str(time.time())+".jpg",downloadPhoto(getPhotoUrl(urls[j])))

成果

展示几张照片吧
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

更新

解析网页的封装类

#-*- codeing = utf-8 -*-
#@Time : 2021/3/1 16:16
#@Author : xiaow
#@File : spider2.py
#@Software : PyCharm
import re  # 正则表达式
import sys
import urllib.request, urllib.error  # 指定url,获取网页数据
from bs4 import BeautifulSoup  # 网页解析
import xlwt  # excel操作
import sqlite3  # 数据库操作
baseurl = 'https://movie.douban.com/top250?start='
imglink = re.compile(r'<a href=".*?" title=".*?">', re.S)
# titlelink = re.compile(r'<span class="title">(.*)</span>')
# findlink = re.compile(r'<a href="(.*?)">') # 创建正则表达式 表示规则
# 1.爬取网页
def getData(url):
urllist = []
valuelist = []
# 2.解析数据
img = []
src = []
title = []
for i in range(0, 10):
url = baseurl + str(i * 25)
html = askURL(url)
bs = BeautifulSoup(html, "html.parser")
print(bs)
# urllist.append(bs.a.attrs["href"])
# valuelist.append(bs.a.string)
# return urllist, valuelist
for item in bs.find_all('div', class_="item"):  # 查找div 并且该div应满足class=item
# print(item)
item = str(item)
# titlel = re.findall(titlelink, item)
# title.append(titlel)
# srcl = re.findall(findlink, item) # 正则表达式进行筛选
# for s in srcl:
# src.append(s)
imgl = re.findall(imglink, item)  # 正则表达式进行筛选
for i in imgl:
img.append(i)
return title, img, src;
# 得到一个url的网页内容1
def askURL(url):
head = { 

"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.106 Safari/537.36",
"Cookie": '_ga=GA1.2.1191993538.1623990557; _gid=GA1.2.176559558.1623990557; HstCfa3699098=1623990557028; HstCmu3699098=1623990557028; HstCnv3699098=1; HstCns3699098=1; newurl=0; __dtsu=10401623990557D693AE61F09F524965; pbnfgecookieinforecord=%2C64-32128%2C64-32129%2C; HstCla3699098=1623991353818; HstPn3699098=7; HstPt3699098=7'
}
req = urllib.request.Request(url=url, headers=head)
html = ""
try:
response = urllib.request.urlopen(req)
html = response.read()
except Exception as result:
print(result)
return html
# 3.保存数据
def savaData(savepath):
pass
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/148823.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)
blank

相关推荐

  • C++异常处理建议收藏

    一C++异常处理机制异常处理基本思想:执行一个函数的过程中发现异常,可以不用再本函数内立即进行处理,而是抛出该异常,让函数的调用者直接或间接的处理这个问题。C++异常处理进制由三个模块组成:tr

    2021年12月19日
  • qt tcpsocket_qt的socket通信

    qt tcpsocket_qt的socket通信QTcpSocket类的方法connectToHost会泄露内存,即使把调用这个方法的QTcpSocket实例delete掉,内存也不会释放!反复connectToHost会导致段错误,十分危险。必须控制connectToHost的使用次数!连接服务器m_tcpSocket->connectToHost(“127.0.0.1”,9877);connected=m_tcpSocket-

  • WeakHashMap初探「建议收藏」

    WeakHashMap初探「建议收藏」1、特点:随着时间的推移,其中的元素会被垃圾回收器回收2、涉及到的4中引用:强引用:(StrongReference)就是指在程序代码之中普遍存在的,例如以下代码:Objectobject=newObject();Stringstr=”hello”;强引用关联的对象在内存不够时也不会被垃圾回收器回收,回收时间:当前对象为null时被回收;软引用:(SoftRefe…

  • 基于stm32蓝牙智能小车设计

    基于stm32蓝牙智能小车设计前言:本文描述了一个由STM32微处理器、步进电机、蓝牙,L298N等模块构成的。该系统采用STM32微处理器为核心,在MDK环境下进行编程,通知控制L298N模块IN1~IN4引脚的高低电平进而控制电机的转动方向,使小车产生不同的转动模式。控制小车的转动模式通过蓝牙模块来实现,利用手机蓝牙助手和蓝牙模块相通,进而控制小车的各种运转模式。代码、蓝牙Androidapk地址:https://g…

    2022年10月18日
  • linux -umask

    linux -umask

  • 华为三层交换机模拟互通(所有端口都是access端口)

    华为三层交换机模拟互通(所有端口都是access端口)

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号