胖虎的祕密基地

好久沒更新了…

上一篇(Python爬蟲入門)已經是上個月初的事XD

今天就先來一篇最近學python爬蟲的心得

首先先來個版權聲明:

這篇取自:小白爬蟲第一彈之抓取妹子圖- 靜覓 崔慶才的個人博客

這是我能找到的python爬蟲教學文中,最淺顯易懂的優質好文

版主真是佛心來著!

不過版主使用的爬蟲來源:mzitu.com能正常連線的時間實在太少了

網站都連不上,那還要寫爬蟲程式嗎? XDD

所以我就改用另一個來源:meizitu.com

網站都換另一個了,那爬蟲程式必然要修改

加上原作者一開始的程式碼是平鋪直敘

後來加了函式最後用class

這對python的新手駕駛來說有點一時難以理解

所以我就加以修改了

這一個版本完全沒有函式跟class

完全直述語法,setp by setp,淺進淺出

應該沒有比這更簡單的,可以完成一個真正有用的爬蟲程式



直接看程式碼吧! come some code:

'''

author:smilehsu

requirements:Windows7、python3.52

date:2017/02/12

'''

 

import os, re, requests, shutil

from bs4 import BeautifulSoup

 

headers = {'User-Agent':"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/22.0.1207.1 Safari/537.1"}

base_url='http://meizitu.com/a/'

dir_path='d:\meizitu'

all_page_link=[]

 

#列出全部套圖的連結

#num的範圍 1 <= num <= 5481

 

#先爬50頁試試看

num=50

 

for i in range(1,num+1):

    page=base_url+str(i)+'.html'

    all_page_link.append(page)

   

#print(all_page_link)

 

error_page=[]

 

#把頁面連結的list傳進來,逐頁處理

#ll_page_link[30:35] 先丟30~35頁測試用

for get_album in all_page_link[30:35]:

    page_html=requests.get(get_album)

    page_html.encoding='gb2312'

    page_soup=BeautifulSoup(page_html.text,'lxml')

    try:

        #取得頁面的title跟該頁面的圖片連結

        title=page_soup.find('div',{'class':'metaRight'}).find('a')

        #取得圖片連結

        album_pics=page_soup.find('div',{'class':'postContent'}).find_all('img')

        print(get_album)

        print(title.text)

        #print('目前工作目錄:'+os.getcwd())

        dir_name=title.text

        isExists = os.path.exists(os.path.join(dir_path, dir_name))

        mydir_path=os.path.join(dir_path, dir_name)

        if not isExists:

            print('建立資料夾:'+mydir_path)

            os.makedirs(mydir_path)

           

        else:

            print('資料夾已存在'+mydir_path)

 

    except:

        print('error: {}'.format(get_album))

        error_page.append(get_album)

        pass

    #開始下載前先切換到要存放圖檔的資料夾    

    os.chdir(mydir_path)    

    for pic in album_pics:

        #路徑check

        #print('目前工作目錄:'+os.getcwd())

        #頁面裡的圖片連結

        pic_src=pic['src']

        print('要下載的圖檔連結'+pic_src)

        #下載圖片後要存檔的檔名

        pic_name=dir_name+'_'+pic_src.split('/')[-1]

        #下載圖片

        get_pic=requests.get(pic_src,headers=headers,stream=True)

        f=open(pic_name,'wb')

        shutil.copyfileobj(get_pic.raw,f)

        f.close()

        del get_pic

---

後續:

1.本系列會照著原作:靜覓 崔慶才的個人博客 進行改寫

2.對本篇有問題可以問我(現在還沒有留言功能)(謝謝指教)

 

2018/05/20 新增有class的寫法

code:

'''

author:smilehsu

blog:smilehsu.cc

requirements:Windows7、python3.52

'''

 

import os, re, requests, shutil

from bs4 import BeautifulSoup

 

#base_url='http://meizitu.com/a/'

 

all_link=[]

error_page=[]

dir_path='d:\meizitu'

 

class meizitu():

 

    def all_url(self,url,maxpage):

        for i in range(1,maxpage+1):

            page_url=url+str(i)+'.html'

            all_link.append(page_url)

       

        for p in all_link:

            html=self.request(p)

            soup=BeautifulSoup(html.text,'lxml')

           

            try:

                #取得頁面的title跟該頁面的圖片連結

                title=soup.find('div',{'class':'metaRight'}).find('a')

                #取得圖片連結

                img_url=soup.find('div',{'class':'postContent'}).find_all('img')

                #測試用 印出頁面的title

                print(title.text)

                #測試用

                #print(len(img_url),img_url)

                #要存圖片的資料夾檔名就用頁面的title

                dirname=title.text

                #建立資料夾

                self.mkdir(dirname)

                #儲存圖檔

                self.save(img_url)

               

            except:

                print('error: {}'.format(p))

                error_page.append(p)

                pass

           

    def request(self,url):

        headers = {'User-Agent': "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/22.0.1207.1 Safari/537.1"}

        res = requests.get(url, headers=headers,stream=True)

        res.encoding='gb2312'

        return res

   

    def mkdir(self, dirname):

        dirname=dirname.strip()

        isExists = os.path.exists(os.path.join(dir_path, dirname))

        mydir_path=os.path.join(dir_path, dirname)

 

       

        if not isExists:

            print('建立資料夾:'+mydir_path)

            os.makedirs(mydir_path)

            os.chdir(mydir_path)

            return True

 

        else:

            print('資料夾已存在'+mydir_path)

            os.chdir(mydir_path)

            return False

   

    def save(self, img_url):

        for pic in img_url:

            #路徑check

            #print('目前工作目錄:'+os.getcwd())

            #頁面裡的圖片連結

            pic_src=pic['src']

            print('要下載的圖檔連結'+pic_src)

            #下載圖片後要存檔的檔名

            #pic_name=dir_name+'_'+pic_src.split('/')[-1]

            pic_name=pic_src.split('/')[-1]

            #下載圖片

            get_pic=self.request(pic_src)

            f=open(pic_name,'wb')

            shutil.copyfileobj(get_pic.raw,f)

            f.close()

            del get_pic

 

Meizitu=meizitu()

Meizitu.all_url(url='http://meizitu.com/a/',maxpage=5)